UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

PROGRAMA DE MAESTRÍA Y DOCTORADO EN INGENIERÍA

INGENIERÍA CIVIL-HIDRÁULICA

ANÁLISIS DEL EFECTO DEL CAMBIO DE USO DE SUELO EN LA

ESCORRENTÍA DE CUENCAS USANDO EL MODELO SWAT

TESIS
QUE PARA OPTAR POR EL GRADO DE:
MAESTRO EN INGENIERÍA

PRESENTA:
EMMANUEL RODRÍGUEZ FLORES

TUTOR PRINCIPAL:
DR. RONALD ERNESTO ONTIVEROS CAPURATA
INSTITUTO MEXICANO DE TECNOLOGÍA DEL AGUA

CUIDAD DE MÉXICO, NOVIEMBRE 2020.

UNAM – Dirección General de Bibliotecas
Tesis Digitales
Restricciones de uso

DERECHOS RESERVADOS ©
PROHIBIDA SU REPRODUCCIÓN TOTAL O PARCIAL

Todo el material contenido en esta tesis esta protegido por la Ley Federal
del Derecho de Autor (LFDA) de los Estados Unidos Mexicanos (México).

El uso de imágenes, fragmentos de videos, y demás material que sea

objeto de protección de los derechos de autor, será exclusivamente para
fines educativos e informativos y deberá citar la fuente donde la obtuvo
mencionando el autor o autores. Cualquier uso distinto como el lucro,
reproducción, edición o modificación, será perseguido y sancionado por el
respectivo titular de los Derechos de Autor.
JURADO ASIGNADO:

Presidente: Dr. Santana Sepúlveda Julio Sergio

Secretario: Dr. Lobato Sánchez René
1er Vocal: Dr. Ontiveros Capurata Ronald Ernesto
2do Vocal: Dr. Ballinas González Héctor Alonso
3er Vocal: Dr. Montero Martínez Martín José

Lugar donde se realizó la tesis:

Programa de Maestría y Doctorado en Ingeniería UNAM.

Campus Morelos-IMTA.
Jiutepec, Morelos.

TUTOR DE TESIS:

Dr. Ronald Ernesto Ontiveros Capurata

--------------------------------------------------

Firma
 DEDICATORIA

Para mi padre Elbis y mi madre María Isabel, que me motivaron y

apoyaron en cada momento de mi vida.

Para mis hermanos Viridiana, Yuliana y Josue, que con palabras de

aliento y motivación me llevaron a cumplir mis metas.

A todos mis compañeros y amigos con los que compartir aulas y

momentos memorables.

i
 AGRADECIMIENTOS

A Dios, por mi vida y la de mí familia.

Al Dr. Ronald Ernesto Ontiveros Capurata, director de tesis, por su

tiempo, enseñanza, dedicación y conocimientos que me brindo. Muchas

gracias.

Al Dr. Santana Sepúlveda Julio Sergio, Dr. Lobato Sánchez René, Dr.

Ballinas González Héctor Alonso y Dr. Montero Martínez Martín José,

por formar parte del jurado evaluador, por sus revisiones y comentarios.

A la Universidad Nacional Autónoma de México (UNAM) y al

Instituto Mexicano de Tecnología del Agua (IMTA) por brindarme la

oportunidad de estudiar el grado de maestro en ingeniería.

Al consejo Nacional de Ciencia y Tecnología (CONACyT) por el apoyo

brindado a través de la beca durante mis estudios de maestría.

CONTENIDO

1.1 Planteamiento del problema......................................................................15

1.2 Antecedentes .............................................................................................17
1.3 Justificación ...............................................................................................18
1.4 Objetivos.....................................................................................................19
1.4.1 Objetivo general ....................................................................................19
1.4.2 Objetivos específicos .............................................................................19
1.5 Hipótesis .....................................................................................................20
1.6 Organización general del documento.......................................................20
1.7 Referencias. Introducción .........................................................................22

2.1 Introducción ...............................................................................................23

2.2 Breve descripción de modelos hidrológicos ...........................................25
2.2.1 SWAT ....................................................................................................27
2.2.2 WEAP ....................................................................................................28
2.2.3 SPHY.....................................................................................................29
2.2.4 VIC ........................................................................................................30
2.2.5 WEPP ....................................................................................................31
2.2.6 AGWA ...................................................................................................32
2.3 Análisis comparativo de modelos hidrológicos ......................................33
2.3.1 Procesos hidrológicos ............................................................................33
2.3.2 Campos de aplicación ...........................................................................37
2.3.3 Dimensionamiento de aplicación ...........................................................41
2.3.4 Operación y manejo...............................................................................44
2.4 Conclusiones .............................................................................................49
2.5 Referencias. Revisión documental de modelos.......................................51

3.1 Introducción ...............................................................................................58

iii
3.2 Zona de estudio..........................................................................................60
3.2.1 Cuenca Alta del Río Conchos ................................................................60
3.2.2 Cuenca Río Tehuantepec ......................................................................61
3.3 Fuentes de información .............................................................................62
3.4 Cálculo de parámetros morfométricos .....................................................62
3.4.1 Tamaño de la cuenca ............................................................................65
3.4.2 Factor de forma (Ff) ...............................................................................65
3.4.3 Coeficiente de compacidad (Cc) o índice de Gravelius ..........................65
3.4.4 Razón de elongación (Re) .....................................................................66
3.4.5 Curva hipsométrica ................................................................................66
3.4.6 Pendiente media de la cuenca ...............................................................67
3.4.7 Densidad de drenaje..............................................................................67
3.4.8 Pendiente media del cauce principal .....................................................68
3.4.9 Tiempo de concentración ......................................................................68
3.5 Resultados..................................................................................................68
3.5.1 Parámetros de forma .............................................................................68
3.5.2 Parámetros de relieve ............................................................................70
3.5.3 Parámetros hídricos...............................................................................72
3.6 Conclusiones .............................................................................................76
3.7 Referencias. Caracterización morfométrica .............................................77

4.1 Introducción ...............................................................................................79

4.2 Materiales y métodos .................................................................................82
4.2.1 Zona de estudio .....................................................................................82
4.2.2 Adquisición de imágenes .......................................................................83
4.2.3 Procesamiento de imágenes .................................................................85
4.2.4 Elaboración de mapas de uso de suelo .................................................95
4.2.5 Detección de cambios ...........................................................................97
4.2.6 Medición de la precisión ........................................................................98
4.3 Resultados..................................................................................................99

iv
 4.3.1 Uso de suelo Cuenca Alta del Río Conchos ..........................................99
4.3.2 Uso de suelo Cuenca Río Tehuantepec .............................................. 103
4.3.3 Cambio de uso de suelo cuenca Alta R. Conchos 1986-2000-2016 .... 107
4.3.4 Cambio de uso de suelo cuenca R. Tehuantepec 1986-2000-2015 ..... 112
4.3.5 Medición de la precisión ...................................................................... 116
4.4 Conclusiones ........................................................................................... 119
4.5 Referencias. Análisis del cambio de uso de suelo ................................ 120

5.1 Introducción ............................................................................................. 123

5.2 Materiales y métodos ............................................................................... 126
5.2.1 Zona de estudio ................................................................................... 126
5.2.2 Descripción del modelo SWAT ............................................................ 127
5.2.3 Datos de entrada ................................................................................. 129
5.2.4 Calibración y validación ....................................................................... 135
5.2.5 Evaluación de desempeño del modelo SWAT ..................................... 135
5.3 Resultados................................................................................................ 137
5.3.1 Delimitación de subcuencas mediante SWAT ..................................... 137
5.3.2 Escurrimiento en la cuenca Alta del Río Conchos ............................... 137
5.3.3 Escurrimiento en la cuenca Río Tehuantepec ..................................... 146
5.3.4 Análisis de la relación cambio de uso de suelo y escurrimiento superficial
en la cuenca Alta del Río Conchos y Río Tehuantepec.................................... 154
5.4 Conclusiones ........................................................................................... 162
5.5 Referencias. Simulación de escorrentía SWAT ..................................... 164

v
 ÍNDICE DE FIGURAS
Figura 1.1. Organización por capítulos de los objetivos específicos del estudio. ..................................20
Figura 2.1. Ciclo hidrológico en el modelo SWAT (Neitsch et al., 2011). ..............................................27
Figura 2.2. Elementos hidrológicos modelados en WEAP (SEI y UC, 2009). .......................................28
Figura 2.3. Conceptos integrados en el modelo SPHY. Los flujos en gris solo se incorporan cuando no
se utiliza el módulo de agua subterránea (Terink et al., 2015). .............................................................29
Figura 2.4. Columna de suelo, flujo de agua y energía del modelo VIC (Gao et al., 2009). ..................30
Figura 2.5. Balance hídrico del modelo WEPP (Savabi y Williams, 1995). ...........................................31
Figura 2.6. Procesamiento básico en AGWA (USDA-ARS, US-EPA, y UWREWML, s.f.). ...................32
Figura 3.1. Ubicación de la cuenca Alta del Río Conchos. ....................................................................60
Figura 3.2. Ubicación de la cuenca Río Tehuantepec. ..........................................................................61
Figura 3.3. Curvas hipsométricas del ciclo de erosión de cuencas por Strahler (1952). .......................67
Figura 3.4. Rango de elevaciones, (a) cuenca Alta del Río Conchos y (b) cuenca Río Tehuantepec. .71
Figura 3.5. Rango de pendientes superficiales, (a) cuenca Alta del Río Conchos y (b) cuenca Río
Tehuantepec. ........................................................................................................................................71
Figura 3.6. Curva hipsométrica, (a) cuenca Alta del Río Conchos y (b) cuenca Río Tehuantepec. ......72
Figura 3.7. Mapa de orden de corrientes de la cuenca (a) Alta del Río Conchos y (b) Río Tehuantepec.
..............................................................................................................................................................72
Figura 3.8. Perfil del cauce principal, (a) cuenca Río Tehuantepec y (b) cuenca Alta del Río Conchos.
..............................................................................................................................................................75
Figura 4.1. Área de estudio (a) cuenca Alta Río Conchos y (b) cuenca Río Tehuantepec. ..................82
Figura 4.2. Imágenes Landsat para el año 2000, cuenca Alta del Río Conchos. ..................................84
Figura 4.3. Imágenes Landsat para el año 2000, cuenca del Río Tehuantepec. ..................................84
Figura 4.4. Procesamiento empleado en las imágenes satelitales. .......................................................86
Figura 4.5. Índice de vegetación NDVI (a) cuenca Alta del Río Conchos y (b) cuenca Río Tehuantepec.
..............................................................................................................................................................90
Figura 4.6. Recorte de imágenes Landsat en falso color (combinación RGB 574) año 1986 para la
cuenca (a) Alta del Río Conchos y (b) Río Tehuantepec. .....................................................................91
Figura 4.7. Combinación RGB de falso color (432) para zonas de vegetación en la (a) cuenca Alta del
Río Conchos y (b) cuenca Río Tehuantepec.........................................................................................92
Figura 4.8. Aplicación de mosaico para la generación del mapa completo de la cuenca (a) Alta del Río
Conchos año 1986 y la cuenca (b) Río Tehuantepec año 2015............................................................95
Figura 4.9. Mapa de uso de suelos cuenca Alta del Río Conchos, año 1986. ......................................99
Figura 4.10. Mapa de uso de suelos cuenca Alta del Río Conchos, año 2000. .................................. 100
Figura 4.11. Mapa de uso de suelos cuenca Alta del Río Conchos, año 2016. .................................. 101
Figura 4.12. Distribución superficial de uso de suelo para RC, años 1986, 2000 y 2016. ................... 102
Figura 4.13. Mapa de uso de suelos cuenca Río Tehuantepec, año 1986. ........................................ 103

vi
Figura 4.14. Mapa de uso de suelos cuenca Río Tehuantepec, año 2000. ........................................ 104
Figura 4.15. Mapa de uso de suelos cuenca Río Tehuantepec, año 2015. ........................................ 105
Figura 4.16. Distribución superficial de uso de suelo para RT, años 1986, 2000 y 2015. ................... 106
Figura 4.17. Cobertura ganada/pérdida de usos de suelo en la cuenca RC. ...................................... 108
Figura 4.18. Transición de coberturas en la cuenca Alta del Río Conchos. ........................................ 111
Figura 4.19. Cobertura ganada/pérdida de usos de suelo en la cuenca RT. ...................................... 113
Figura 4.20. Transición de coberturas en la cuenca del Río Tehuantepec. ........................................ 116
Figura 5.1. Red hídrica de la cuenca hidrológica, (a) Alta del Río Conchos y (b) Río Tehuantepec. .. 126
Figura 5.2. Diagrama de flujo para el desarrollo de los trabajos. Basado en Kavian et al. (2018) ...... 127
Figura 5.3. Cuenca Alta del Río Conchos. (a) MDE, (b) tipo de suelo y (c) datos meteorológicos
LIVNEH. .............................................................................................................................................. 130
Figura 5.4. Cuenca Río Tehuantepec. (a) MDE, (b) tipo de suelo y (c) datos meteorológicos LIVNEH.
............................................................................................................................................................ 130
Figura 5.5. (a) Datos hidrométricos 1935-2014 y (b) caudal medio mensual de la presa La Boquilla. 134
Figura 5.6. (a) Datos hidrométricos 1961-2015 y (b) caudal medio mensual de la presa P. Benito J. 134
Figura 5.7. Creación de subcuencas mediante SWAT, cuenca (a) Alta del Río Conchos y (b) cuenca
Río Tehuantepec. ................................................................................................................................ 137
Figura 5.8. Regresión lineal entre datos simulados y observados para los años de (a) calibración y (b)
validación en la cuenca Alta del Río Conchos..................................................................................... 139
Figura 5.9. Escorrentía mensual observada y simulada; (a) 1985-1987, (b) 1997-1999 y (c) 2011-2013.
............................................................................................................................................................ 140
Figura 5.10. Variación espacio-temporal de escorrentía media mensual de la cuenca Alta del Río
Conchos, para los periodos; (a) 1985-1987, (b) 1997-1999 y (c) 2011-2013. ..................................... 142
Figura 5.11. Variación espacio-temporal de las láminas de caudal de salida sobre las corrientes
principales de la cuenca Alta del Río Conchos, para los periodos (a) 1985-1987, (b) 1997-1999 y (c)
2011-2013. .......................................................................................................................................... 143
Figura 5.12. Escorrentía media anual. Periodos A (1985-1987), B (1997-1999) y C (2011-2013),
cuenca Alta del Río Conchos. ............................................................................................................. 144
Figura 5.13. Regresión lineal entre datos simulados y observados para los años de (a) calibración y (b)
validación en la cuenca del Río Tehuantepec. .................................................................................... 147
Figura 5.14. Escorrentía mensual observada y simulada; (a) 1986-1988, (b) 1999-2001 y (c) 2011-
2013. ................................................................................................................................................... 149
Figura 5.15. Variación espacio-temporal de escorrentía media mensual de la cuenca Río
Tehuantepec, para los periodos; (a) 1986-1988, (b) 1999-2001 y (c) 2011-2013. .............................. 150
Figura 5.16. Variación espacio-temporal de las láminas de caudal de salida sobre las corrientes
principales de la cuenca Río Tehuantepec, para los periodos (a) 1986-1988, (b) 1999-2001 y (c) 2011-
2013. ................................................................................................................................................... 152

vii
Figura 5.17. Escorrentía media anual. Periodos A (1986-1988), B (1999-2001) y C (2011-2013),
cuenca Río Tehuantepec. ................................................................................................................... 153
Figura 5.18. (a) Comparación general del cambio de uso de suelo versus cambio de escurrimiento
superficial, y (b) cambios en el escurrimiento superficial desglosado por tipos de uso de suelo para la
cuenca Alta del Río Conchos. ............................................................................................................. 155
Figura 5.19. (a) Comparación general del cambio de uso de suelo versus cambio de escurrimiento
superficial, y (b) cambios en el escurrimiento superficial desglosado por tipos de uso de suelo para la
cuenca del Río Tehuantepec............................................................................................................... 156
Figura 5.20. Diagrama de dispersión del escurrimiento medio anual versus cobertura de uso de suelo
por subcuencas, para la cuenca (a) Alta del Río Conchos y la cuenca (b) Río Tehuantepec. ............ 158

viii
 ÍNDICE DE TABLAS
Tabla 2.1. Procesos que integran los modelos......................................................................................33
Tabla 2.2. Campos de aplicación de los modelos. ................................................................................38
Tabla 2.3. Dimensionamiento de los modelos. ......................................................................................42
Tabla 2.4. Operación y manejo de modelos. .........................................................................................45
Tabla 3.1. Fórmulas para el cálculo de parámetros morfométricos. ......................................................63
Tabla 3.2. Clasificación para el tamaño de cuencas (Campos, 1992)...................................................65
Tabla 3.3. Clases y rango de valores de compacidad (Gravelius, 1914). .............................................66
Tabla 3.4. Clases comparativas de la pendiente media (Strahler, 1957). .............................................67
Tabla 3.5. Mediciones directas de las características geométricas de las cuencas de estudio. ...........68
Tabla 3.6. Parámetros de forma de las cuencas de estudio. ................................................................69
Tabla 3.7. Parámetros de relieve de las cuencas de estudio. ...............................................................70
Tabla 3.8. Análisis de corrientes de las cuencas de estudio. ................................................................73
Tabla 3.9. Parámetros hídricos de las cuencas de estudio. ..................................................................74
Tabla 3.10. Parámetros del cauce principal. .........................................................................................75
Tabla 4.1. Características de las imágenes satelitales adquiridas ........................................................83
Tabla 4.2. Escenas adquiridas para la cuenca Alta del Río Conchos (RC). ..........................................85
Tabla 4.3. Escenas adquiridas para la cuenca de Río Tehuantepec (RT). ...........................................85
Tabla 4.4. Bandas espectrales utilizadas para el cálculo de NDVI según tipo de sensor. ....................89
Tabla 4.5. Combinación RGB de bandas. .............................................................................................92
Tabla 4.6. Asignación de claves y ROI para la imagen 033/041 de la cuenca Alta del Río Conchos. ..93
Tabla 4.7. Asignación de claves de uso de suelo definitivas para la cuenca Alta del Río Conchos. .....94
Tabla 4.8. Clases principales de cobertura y uso de suelo, cuenca Alta del Río Conchos. ..................96
Tabla 4.9. Clases principales de cobertura y uso de suelo, cuenca Río Tehuantepec. ........................96
Tabla 4.10. Escenarios de cambio entre diferentes periodos de tiempo. ............................................ 107
Tabla 4.11. Matriz de cambio de cobertura y uso de suelo entre 1986 y 2016 (porcentajes). ............ 109
Tabla 4.12. Escenarios de cambio entre diferentes rangos de tiempo. ............................................... 112
Tabla 4.13. Matriz de cambio de cobertura y uso de suelo entre 1986 y 2015 (porcentaje). .............. 114
Tabla 4.14. Matriz de error de la clasificación de usos de suelo del año 1986, Alta Río Conchos. ..... 117
Tabla 4.15. Matriz de error de la clasificación de usos de suelo del año 2000, Alta Río Conchos. ..... 117
Tabla 4.16. Matriz de error de la clasificación de usos de suelo del año 2016, Alta Río Conchos. ..... 117
Tabla 4.17. Matriz de error de la clasificación de usos de suelo del año 1986, Río Tehuantepec. ..... 117
Tabla 4.18. Matriz de error de la clasificación de usos de suelo del año 2000, Río Tehuantepec. ..... 118
Tabla 4.19. Matriz de error de la clasificación de usos de suelo del año 2015, Río Tehuantepec. ..... 118
Tabla 5.1. Valores NC-SCS iniciales asignados por SWAT para cada tipo de uso de suelo de las
cuencas estudiadas............................................................................................................................. 129
Tabla 5.2. Resumen general de los datos utilizados en el modelo SWAT. ......................................... 129

ix
Tabla 5.3. Clases de cobertura y uso de suelo SWAT, cuenca Alta del Río Conchos. ....................... 131
Tabla 5.4. Clases de cobertura y uso de suelo SWAT, cuenca Río Tehuantepec. ............................. 131
Tabla 5.5. Obtención de datos meteorológicos diarios LIVNEH y CFSR. ........................................... 132
Tabla 5.6. Años para la calibración y validación del modelo. .............................................................. 135
Tabla 5.7. Correlación entre periodos de calibración y validación para la estación “La Boquilla”. ...... 138
Tabla 5.8. Escorrentía media mensual por subcuencas, cuenca Alta del Río Conchos...................... 141
Tabla 5.9. Cambio de escorrentía media anual, cuenca Alta del Río Conchos. .................................. 145
Tabla 5.10. Correlación entre periodos de calibración y validación para la estación “P. Benito Juárez”.
............................................................................................................................................................ 146
Tabla 5.11. Escorrentía media mensual por subcuencas, cuenca Río Tehuantepec. ......................... 150
Tabla 5.12. Cambio de escorrentía media anual entre los periodos de estudio, R. Tehuantepec. ..... 153

x
 RESUMEN

Las modificaciones sobre la vegetación en los ecosistemas terrestres generan

alteraciones sobre el ciclo hidrológico de una cuenca, creando un desequilibrio entre
los componentes del ciclo hidrológico, principalmente sobre el escurrimiento
superficial. Recientemente el uso de sensores remotos, en especial los satelitales,
aportan grandes cantidades de datos sobre detección espacial y temporal del cambio
de cobertura terrestre. Además, los modelos hidrológicos actualmente son una
herramienta que se utiliza para estimar parámetros del sistema hidrológico que se
presentan de manera heterogénea y difíciles de medir.

En este estudio se analizó el escurrimiento superficial ante el cambio de uso de suelo

de dos cuencas hidrológicas contrastantes desde el punto de vista climático-geográfico
mediante el uso de un modelo hidrológico e imágenes satelitales; la cuenca Alta del
Río Conchos, ubicada en la región noroeste de la República mexicana, caracterizada
por la pérdida de biodiversidad y degradación de sus ecosistemas terrestres, como
resultado de diversas actividades en las últimas décadas, y la cuenca Río
Tehuantepec, ubicada en la región suroeste de la república, donde se ha presentado
en los últimos años un cambio importante de selvas debido a las actividades humanas.

Mediante una revisión general de modelos hidrológicos, se determinó el uso del

modelo Soil & Water Assessment Tool (SWAT) para el cálculo del escurrimiento
superficial sobre las cuencas hidrológicas Alta del Río Conchos y Río Tehuantepec,
relacionados al cambio y uso de suelo que han presentado durante un periodo de
treinta años (1986-2016).

Se obtuvieron y analizaron las propiedades morfométricas principales de forma, relieve

y drenaje, y su relación con la hidrología. El análisis muestra que, ambas cuencas
presentan similitudes en algunas características morfométricas como forma, pendiente
media, curva hipsométrica y orden de corrientes, sin embargo, difieren en parámetros
como densidad de drenaje, pendiente media del cauce principal y tiempo de
concentración, los cuales influyen en el desagüe de las cuencas.

11
El análisis de cambio de uso de suelo en la cuenca Alta del Río Conchos y Río
Tehuantepec para el periodo 1986-2016, revela que han existido alteraciones
significativas sobre las coberturas y usos de suelo (41 % y 39 % respectivamente),
especialmente sobre las coberturas de mayor extensión territorial. El aumento de áreas
para la agricultura de temporal y la pérdida de áreas de vegetación; bosques
mixtos/perennes, pastizales y selvas caducifolias, son los más afectados.

A través del modelo SWAT, se obtuvo el escurrimiento superficial para ambas

cuencas. La cuenca Alta del Río Conchos presentó una reducción de la superficie de
pastizales, bosques perennes y mixtos y un incremento de agricultura de temporal esto
coincide con una reducción de la escorrentía superficial (69.44 %). Mientras que, en la
cuenca Río Tehuantepec se presentó una disminución en superficie de los usos de
suelo principales como selvas caducifolias y bosques mixtos y un incremento de la
escorrentía superficial (101.35 %).

12
 ABSTRACT

The changes on the vegetation in the terrestrial ecosystems generate alterations on

the water cycle of a basin, creating an imbalance between the components of the
hydrological cycle, mainly on the surface runoff. Recently, the use of remote sensors,
especially satellite ones, provide large amounts of data on spatial and temporal
detection of land cover change. Besides, hydrology models are currently a tool used to
estimate parameters of the hydrological system that are difficult to measure.

In this study, surface runoff was analyzed in the face of land-use change in two
contrasting hydrological basins from the climatic-geographical point of view using a
hydrology model and satellite images. The first is the Upper Conchos River Basin,
located in the northwestern region of Mexico, characterized by the loss of biodiversity
and degradation of its land ecosystems, as a result of various activities in recent
decades. The second is the Tehuantepec River Basin, located in the southwestern
region of Mexico, where there has been a significant change of forests due to human
activities in recent years. With this, it was observed the behavior of surface runoff before
the change of land use, through the use of a hydrological model and satellite images.

The use of the Soil & Water Assessment Tool (SWAT) model was determined for the
calculation of the surface runoff over the hydrological basins of the Conchos and
Tehuantepec rivers, related to the change and use of soil that they have presented
during thirty years (1986-2016).

The main morphometric properties of shape, relief and drainage, and their relationship
with hydrology were obtained and analyzed. The analysis shows that both basins are
similar in some characteristics (form, average slope, hypsometric curve and order of
streams). However, they differ in parameters such as drainage density, the average
slope of the main channel and concentration-time, which influence the drainage of the
basins.

The analysis of land-use changes in the Upper Conchos River and Tehuantepec River
basins for the period 1986-2016, reveals that there have been significant alterations on

13
the land cover and land use (41% and 39% respectively), especially on the larger land
cover. The increase in areas for rainfed agriculture and the loss of areas of vegetation;
mixed/perennial forests, pasturelands and deciduous forests, are the most affected.

Through the SWAT model, surface runoff was obtained for both basins. The Upper
Conchos River Basin presented a reduction in the surface area of pastures, perennial
and mixed forests and an increase in rainfed agriculture, which coincides with a
decrease in surface runoff (69.44%). Meanwhile, in the Tehuantepec River basin, there
was a reduction in the surface area of the mainland uses such as deciduous and mixed
forests and an increase in surface runoff (101.35%).

14
1 INTRODUCCIÓN

1.1 PLANTEAMIENTO DEL PROBLEMA

Las actividades humanas y la creciente demanda por bienes como alimento, vivienda,
agua potable y servicios ambientales generan constantemente una presión sobre los
recursos naturales en su estructura, funcionamiento y distribución con grandes
impactos en su mayoría negativos y a grandes escalas geográficas (Challenger y
Dirzo, 2009). La modificación sobre la vegetación en los ecosistemas terrestres como
boques, matorrales, herbazales, generan una alteración sobre el ciclo hidrológico de
una cuenca, creando un desequilibrio entre los componentes del ciclo hidrológico
(Kabanda y Palamuleni, 2013). Así mismo, los cambios de uso y cobertura de suelo
tienen un impacto en la escorrentía al afectar la evaporación de la superficie, las
condiciones de humedad del suelo y la cantidad de agua atrapada por la cubierta de
la superficie (Peng, Yang, Li, y Zhang, 2014).

De acuerdo con la Organización de las Naciones Unidas para la Agricultura y la

Alimentación (FAO, por sus siglas en inglés), la deforestación mundial se mantuvo en
niveles altos en las últimas décadas, sobre todo en la conversión de bosques a tierras
agrícolas (FAO, 2010). La pérdida de superficie boscosa durante los últimos diez años
ha sido menor respecto a la década anterior (1990-2000: 8.3 millones de hectáreas
por año, a una tasa de 0.2 % anual), la pérdida continúa siendo alta: para el periodo
2000-2005 con un cálculo de 4.8 millones de hectáreas anuales (al 0.12 % anual) y
para 2005-2010 se elevó a cerca de 5.6 millones (al 0.14 % anual). La deforestación y
el cambio en la cobertura y uso del suelo en México, es un problema que se ha
presentado desde tiempos precolombinos y se ha caracterizado por la disparidad en
las estimaciones que diferentes fuentes arrojan sobre este problema. La estimación
nacional de la deforestación más reciente reportada a la FAO, que abarca el periodo
2005-2010, es de 155 mil hectáreas por año y si se compara con las cifras reportadas
en informes previos, existe una tendencia a la reducción de la superficie deforestada
anualmente en el país, por ejemplo, entre 1990 y 2000 se calcula que se perdían 354
mil hectáreas anuales, esta cifra se redujo a 235 mil para el periodo 2000-2005 (FAO,
2010).
15
La cuenca del Río Conchos ha presentado pérdida de biodiversidad y degradación de
sus ecosistemas, como resultado de diversas actividades humanas en las últimas
décadas (Dinerstein et al., 2001). Además de la deforestación, existen los problemas
de sobrepastoreo, sobreexplotación de acuíferos, contaminación y cambios de uso de
suelo en toda la rivera del Conchos (Miranda, 2006). El cambio de uso de suelo en la
cuenca completa del Río Conchos muestra que entre 1970 y 2010 los ecosistemas
más afectados son los bosques de pino, pastizales y áreas ribereñas, provocando
impactos negativos potenciales con una clara tendencia hacia la desertificación de la
cuenca, favoreciendo un reemplazamiento vegetativo continuo por matorral desértico
(Rodríguez, Carreón, Lafon, Santos, y Ruiz, 2017), se estima que la pérdida de
vegetación natural oscila de 40,001 y 52,000 ha/año. Por otro lado, en la cuenca del
Río Tehuantepec se reportó que ha existido un cambio importante de selvas pasando
de selvas primarias a secundarias, en un área de aproximadamente 1,592 ha. La tasa
de pérdida de la vegetación natural (1976-2009) para esta cuenca se encuentra entre
1,001 y 10,000 ha/año. Los índices de transformación humana de los ecosistemas en
el año 2009 en la cuenca Tehuantepec indican que se encuentra en un nivel de
transformación medio a bajo (Cuevas, Garrido, Pérez, y Iura, 2010).

Desde ya hace varios años las actividades antropogénicas como el aumento

poblacional, el incremento en la construcción de viviendas, carreteras, infraestructura
urbana, además de la demanda de recursos primarios y alimenticios, la tala de árboles
e incrementos del sector agropecuario, son las causantes principales del incremento y
modificación de áreas naturales, las cuales han influido sobre los procesos
hidrológicos de las cuencas, principalmente sobre el escurrimiento superficial
(Kabanda y Palamuleni, 2013). De acuerdo a lo planteado anteriormente… ¿Qué
efectos está generando el cambio y uso de suelos sobre la escorrentía superficial de
las cuencas Alta del Río Conchos y Río Tehuantepec en el periodo comprendido entre
1986 y 2016? Lo anterior da base a establecer el interés de conocer el efecto del
cambio de uso de suelo sobre el escurrimiento superficial de las cuencas hidrológicas
seleccionadas, apoyado con información actualizada y de libre acceso como imágenes
satelitales, herramientas de análisis espacial como los Sistemas de Información
Geográfica (SIG) y modelos hidrológicos que incorporan esta información.

16
1.2 ANTECEDENTES

Los modelos hidrológicos actualmente son una herramienta que se utiliza con
frecuencia para estimar parámetros del sistema hidrológico que se presentan de
manera heterogénea y difíciles de medir (Pechlivanidis, Jackson, Mcintyre, y Wheater,
2011). El modelo SWAT (Arnold, Srinivasan, Muttiah, y Williams, 1998) es un modelo
hidrológico capaz de utilizar información espacial física como topografía, propiedades
y coberturas de suelo, datos meteorológicos, además de información sobre prácticas
de manejo del uso de la tierra, cantidad y calidad del agua.

El modelo SWAT ha sido utilizado en varios estudios relacionados con el cambio de

cobertura y uso de suelo. Por ejemplo Sinha y Eldho (2018) estudian el flujo mensual
y el rendimiento de sedimentos en la cuenca del río Netravati, India, utilizando mapas
de uso del suelo de seis períodos de tiempo (1972, 1979, 1991, 2000, 2012 y 2030).
Los resultados manifestaron que la extensión espacial de las clases de cobertura
urbano (1.80–9.96 %), agricultura (31.38–55.75 %) y cuerpos de agua (1.48–2.66 %)
aumentó, mientras que la de bosque (53.04–27.03 %), praderas (11.17–4.41 %), y
tierra desnuda (1.09–0.16 %) disminuyeron de 1972 a 2030. Li et al. (2018)
investigaron la relación entre la precipitación y la escorrentía en la cuenca del río Naoli,
China, los resultados mostraron que, desde 1986 hasta 2014, las tierras forestales
eran adecuadas para la generación de escorrentía y que las zonas de tierra seca (0.11
mm·km-2), tierra no utilizada (0.37 mm·km-2) y campo de arroz (0.83 mm·km -2) fueron
factores adversos para la generación de escorrentía. Kumar et al. (2017) determinan
el impacto relevante en los recursos hídricos de la cuenca Kharun, India, para los
escenarios de uso de suelo de los años 1991, 2001, 2011 y 2021. Los resultados
indicaron que los principales recursos hídricos como la escorrentía superficial y
evapotranspiración real han aumentado, mientras que la percolación para la
contribución de agua subterránea ha disminuido. En México el uso de SWAT se ha
enfocado en diversos trabajos de cuenca hidrográficas, por ejemplo Conde (2019)
analizó siete parámetros del balance hídrico bajo dos escenarios de uso de suelo
(2016-2025) en dos subcuencas costeras de Jalisco y encontró un decremento en los
valores simulados de sus parámetros estudiados; agua en suelo antes y después del

17
periodo, precipitación, evapotranspiración, percolación, escurrimiento y flujo de
retorno. Rivera et al. (2012) estiman la pérdida de suelo para la cuenca Ixtapan del
Oro, Estado de México, comparando los resultados con los valores estimados
mediante la técnica del álgebra de mapas en SIG. Determinaron que 88.7% (13 138.8
ha) de la cuenca se encuentra en las clases de erosión incipiente y ligera, lo cual
muestra una buena conservación de su vegetación y sus suelos. Finalmente, concluye
que el modelo SWAT se puede usar para estimar la pérdida de suelo en las cuencas
de México. Torres et al. (2005) analizaron los escurrimientos para la cuenca río Laja
ubicada en Guanajuato, la cual experimenta una variación de uso y tipo de suelo. A
través de los resultados obtenidos, mediante validación de regresión lineal y el
coeficiente de determinación (R2) entre escurrimientos simulados y medidos, concluye
que el modelo SWAT es una herramienta valiosa para la simulación del impacto del
manejo del suelo y la vegetación en la producción de agua y sedimentos en la cuenca.

1.3 JUSTIFICACIÓN

Recientemente el uso de sensores remotos, en especial los satelitales, han sido

considerados como herramientas de útil acceso, debido a la aportación de información
de numerosos satélites y plataformas aéreas que recopilan grandes cantidades de
datos detectados remotamente en todo el mundo y durante todo el día. La necesidad
de una detección espacial y temporal del cambio de cobertura terrestre a mayor escala
hace que las imágenes satelitales sean la fuente de datos más rentable, eficiente y
confiable (Kachhwala, 1985; Rawat y Kumar, 2015). La capacidad de los SIG los
convierte en una herramienta importante y eficiente para el modelado hidrológico
espacial. Y el uso del modelo hidrológico SWAT, de acceso libre, junto con los SIG e
imágenes satelitales pueden generar la simulación hidrológica de la escorrentía
superficial en las cuencas de estudio.

Actualmente existen muchos modelos en el mercado utilizados en la modelación

hidrológica, sin embargo, el modelo SWAT se ha convertido en uno de los modelos
paramétricos más utilizados en la actualidad, por ello se mantiene en continua revisión
y expansión, tanto en su uso generalizado, como en la precisión y cantidad de
procesos hidrológicos simulados. El modelo comprende más de 40 años de desarrollo
18
por parte de Departamento de Agricultura de los Estados Unidos (USDA), lo que le ha
ganado la aprobación internacional como herramienta interdisciplinaria y completa
para el modelaje de cuencas, además, es un modelo de licencia pública, con base de
datos globales propia (Global Data), y con numerosas aplicaciones por todo el mundo.
Por este motivo, y por las características que brinda el modelo, se considera que SWAT
es apropiado para el desarrollo del presente estudio.

En este estudio se seleccionaron dos cuencas contrastantes desde el punto de vista

climático, socioeconómico y geográfico; la cuenca Alta del Río Conchos, ubicada en la
región noroeste de la República mexicana, con presencia de clima árido/semiárido
seco en gran parte de la cuenca, precipitaciones anuales de 700 mm y temperaturas
medias de 14° C, y la cuenca Río Tehuantepec, ubicada en la región suroeste de la
república, con presencia de clima tropical cálido subhúmedo/húmedo en casi toda la
cuenca, precipitaciones anuales de 900 mm y temperaturas medias de 20° C. La
cuenca Alta del Río Conchos se caracteriza por presentar fuertes problemas de
deforestación y cambio de uso de suelo en los últimos años (Rodríguez et al., 2017),
mientras que, la cuenca Río Tehuantepec la deforestación y cambio de uso de suelo
se ha visto disminuida en la región (Cuevas et al., 2010). Con estas características se
pretende observar el comportamiento del escurrimiento superficial ante el cambio de
cobertura y uso de suelo presentados en el periodo 1986-2016.

1.4 OBJETIVOS

1.4.1 Objetivo general

Analizar el efecto del cambio y uso de suelo en el escurrimiento superficial de las

cuencas hidrográficas Alta del Río Conchos (Chihuahua) y Río Tehuantepec (Oaxaca)
durante el periodo 1986-2016 usando el modelo SWAT.

1.4.2 Objetivos específicos

• Realizar una revisión documental y estado del arte de los modelos hidrológicos
para el análisis de escurrimiento en cuencas, que se basen o incorporen datos
de sensores remotos.

19
 • Delimitar las cuencas de estudio y obtener sus parámetros morfométricos
mediante el uso de herramientas SIG y análisis espacial.

• Elaborar mapas de uso de suelo para las cuencas en estudio a partir de

imágenes satelitales para el periodo 1986-2016.

• Calibrar y validar el modelo SWAT para el cálculo de escurrimiento superficial,

y su relación con el cambio de uso de suelo para las cuencas estudiadas
durante el periodo 1986-2016.

1.5 HIPÓTESIS

- El cambio de uso de suelo en la cuenca Alta del Río Conchos y Río

Tehuantepec tiene un efecto sobre la escorrentía superficial durante el periodo
1986-2016.

1.6 ORGANIZACIÓN GENERAL DEL DOCUMENTO

La tesis se presenta organizada por capítulos que corresponden a cada uno de los
objetivos específicos. La Figura 1.1 muestra la generalización de la metodología
empleada en el presente trabajo de investigación y posteriormente se describe
brevemente las actividades realizadas en cada uno de los capítulos.

A. Revisión documental de modelos hidrológicos.

B. Delimitación de cuencas y obtención de parámetros

morfométricos.

C. Elaboración de mapas de uso de suelo.

D. Calculo del escurrimiento superficial mediante SWAT.

Calibración y validación del modelo SWAT.
Relación entre uso de suelo y escorrentía superficial.
Figura 1.1. Organización por capítulos de los objetivos específicos del estudio.

20
a) Revisión documental de modelos hidrológicos. En este capítulo se realiza una
recopilación y análisis generalizado de los trabajos más representativos sobre algunos
modelos hidrológicos que hacen uso de información proveniente de sensores remotos
como imágenes satelitales y que están vigentes actualmente, permitiendo de esta
manera comparar y seleccionar el modelo hidrológico más adecuado para la
determinación del escurrimiento superficial en las cuencas de estudio.

b) Delimitación de las cuencas. En este capítulo se aplican herramientas de análisis

espacial del programa de acceso libre QGIS para la delimitación y obtención de
parámetros morfométricos de las cuencas de estudio a partir del modelo digital de
elevaciones (MDE) y de la hidrografía de las cuencas.

c) Elaboración de mapas de uso de suelo. En este capítulo se elaboran mapas de uso

de suelos para cada una de las cuencas a partir de 24 imágenes satelitales tipo
Landsat del periodo de estudio (1986-2016), para lo cual se realiza una clasificación
supervisada y se definen diferentes de uso de suelo.

d) Calibración y validación del modelo hidrológico SWAT para la estimación del

escurrimiento superficial, y su relación con el cambio de uso de suelo. Este capítulo
presenta dos aspectos importantes. El primero referido al cálculo de escurrimiento
superficial en SWAT a través de su interfaz gráfica en QGIS (llamada QSWAT), y
posteriormente, la calibración y validación del modelo. El segundo se refiere al análisis
de la relación que existe entre los cambios de uso de suelo y el escurrimiento
superficial generado durante el periodo de estudio (1986-2016).

21
1.7 REFERENCIAS. INTRODUCCIÓN

Arnold, J. G., Srinivasan, R., Muttiah, R. S., y Williams, J. R. (1998). Large area hydrologic modeling
and assessment part I: Model Development. Journal of the American Water Resources
Association, 34(1), 73–89. https://doi.org/10.1111/j.1752-1688.1998.tb05962.x
Challenger, A., y Dirzo, R. (2009). Factores de cambio y estado de la biodiversidad: Vol. II: Estado de
conservación y tendencias de cambio. CONABIO, 37–73.
Conde, E. A. B. (2019). Escenarios de cobertura y uso de suelo y sus posibles efectos sobre el
comportamiento hidrológico y la biodiversidad, en dos subcuencas de la costa de Jalisco, México.
Repositorio Institucional CATIE: Centro Agronómico Tropical de Investigación y Enseñanza, 78–
103. Consultado de http://hdl.handle.net/11554/9014
Cuevas, M. L., Garrido, A., Pérez, J. L., y Iura, D. (2010). Procesos de cambio de uso de suelo y
degradación de la vegetación natural-Estado actual de la vegetación en las cuencas de México.
De Las Cuencas Hidrográficas de México (p. 232).
https://doi.org/10.1200/JCO.2016.34.15_suppl.TPS10583
Dinerstein, E., Olson, D., Atchley, J., Loucks, C., Contreras-Balderas, S., Abell, R., … Castilleja, G.
(2001). Ecoregion-Based Conservation in the Chihuahuan Desert: A Biological Assessment.
Nature, (2), 376.
FAO. (2010). Evaluación de los recursos forestales mundiales 2010. Informe principal.
Kabanda, T. H., y Palamuleni, L. G. (2013). Land use/cover changes and vulnerability to flooding in the
Harts catchment, South Africa. South African Geographical Journal, 95(1), 105–116.
https://doi.org/10.1080/03736245.2013.806165
Kachhwala, T. S. (1985). Temporal monitoring of forest land for change detection and forest cover
mapping through satellite remote sensing. De Proceedings of the 6th Asian Conference on Remote
Sensing (pp. 77–83). Hyderabad.
Kumar, N., Tischbein, B., Kusche, J., Laux, P., Beg, M. K., y Bogardi, J. J. (2017). Impact of climate
change on water resources of upper Kharun catchment in Chhattisgarh, India. Journal of
Hydrology: Regional Studies, 13, 189–207. https://doi.org/10.1016/j.ejrh.2017.07.008
Li, B. Q., Xiao, W. H., Wang, Y. C., Yang, M. Z., y Huang, Y. (2018). Impact of land use/cover change
on the relationship between precipitation and runoff in typical area. Journal of Water and Climate
Change, 9(2), 261–274. https://doi.org/10.2166/wcc.2018.055
Miranda, N. E. (2006). Determinación de las actitudes de escurrimiento e infiltración de suelos
superficiales de la cuenca alta y media del río Conchos. Universidad Autónoma de Chihuahua,
Chih. México.
Pechlivanidis, I. G., Jackson, B. M., Mcintyre, N. R., y Wheater, H. S. (2011). Catchment Scale
Hydrological Modelling: A Review Of Model Types, Calibration Approaches And Uncertainty
Analysis Methods In The Context Of Recent Developments In Technology And Applications. Global
NEST Journal, 13(3), 193–214. https://doi.org/10.1002/hyp
Peng, B., Yang, K., Li, J., y Zhang, S. (2014). Runoff simulation of land-use changes based on the
different slopes of Erhai basin by using SWAT model. Proceedings - 2014 22nd International
Conference on Geoinformatics, Geoinformatics 2014, (20).
https://doi.org/10.1109/GEOINFORMATICS.2014.6950793
Rawat, J. S., y Kumar, M. (2015). Monitoring land use/cover change using remote sensing and GIS
techniques: A case study of Hawalbagh block, district Almora, Uttarakhand, India. Egyptian Journal
of Remote Sensing and Space Science, 18(1), 77–84. https://doi.org/10.1016/j.ejrs.2015.02.002
Rivera, F., Pérez, S., Ibáñez, L. A., y Hernández, F. R. (2012). Aplicabilidad del modelo SWAT para la
estimación de la erosión hídrica en las cuencas de México. Agrociencia, 46(2), 101–105.
Rodríguez, J. A., Carreón, E., Lafon, A., Santos, J., y Ruiz, R. (2017). Cambio de uso de suelo en la
cuenca Alta del Río Conchos, Chihuahua, México. De La cuenca Alta del Río Conchos: Una mirada
desde las ciencias ante el cambio climático. (pp. 156–203).
Sinha, R. K., y Eldho, T. I. (2018). Effects of historical and projected land use/cover change on runoff
and sediment yield in the Netravati river basin, Western Ghats, India. Environmental Earth
Sciences, 77(3), 1–19. https://doi.org/10.1007/s12665-018-7317-6
Torres, E., Mejia, E., Saenz, J., Palacios, E., & García, E. (2005). Adaptacion de un modelo de
simulacion hidrologica a la cuenca del río Laja, Guanajuato, México. Redalyc, 39, 481–490.
Consultado de http://www.redalyc.org/pdf/302/30239501.pdf

22
2 REVISIÓN DOCUMENTAL DE MODELOS HIDROLÓGICOS

2.1 INTRODUCCIÓN

Los desafíos relacionados con el suministro de agua en cantidad y calidad adecuadas

son grandes y se espera que aumenten en el futuro (Lall, 2014). Hoy en día, el aumento
poblacional generará una mayor demanda de alimentos y recursos hídricos (IPCC,
2014), la condición ideal de tener la cantidad apropiada de agua de buena calidad en
el lugar y el momento oportuno a menudo no se satisface (Droogers y Bouma, 2014),
y es probable que esta situación se intensifique con la variabilidad y el cambio climático
debido a las alteraciones en el ciclo hidrológico, cambios en los patrones espacial y
temporal de las precipitaciones y frecuencia de inundaciones o sequías lo que
provocará inseguridad alimentaria, escasez y pérdida de acceso al agua (Wheeler y
Von Braun, 2013). Ante estos retos, los hidrólogos han desarrollado modelos
hidrológicos más eficientes y precisos que son utilizados como herramientas para
analizar, comprender y explorar soluciones que apoyen a los responsables de la toma
de decisiones y administradores de los recursos hídricos (Pechlivanidis, Jackson,
Mcintyre, y Wheater, 2011).

Un modelo hidrológico es una representación simple del mundo real (Sharma,

Sorooshian, y Wheater, 2008) que se utiliza para predecir el comportamiento del
sistema hídrico y comprender los diversos procesos hidrológicos naturales dentro de
las cuencas (Asce, 2000; Devi, Ganasri, y Dwarakish, 2015), permitiendo de esta
manera una interacción dinámica entre el clima y la hidrología superficial (Singh y
Frevert, 2010). Los modelos hidrológicos se utilizan con frecuencia para estimar
parámetros del sistema hidrológico que se presentan de manera heterogénea y son
difíciles de medir (Pechlivanidis et al., 2011), de esta manera se extrapola la
información de las mediciones disponibles en tiempo y espacio a la escala de la cuenca
hidrográfica (Teshager, Gassman, Secchi, Schoof, y Misgna, 2016). Estos modelos
son aplicados en planificación y gestión de recursos hídricos, predicción de
inundaciones y análisis de sistemas acoplados que incluyen parámetros no
hidrológicos como calidad del agua y ecología (Pechlivanidis et al., 2011).

23
Los primeros modelos hidrológicos se remontan a 1850 con el desarrollo del método
racional, para calcular la descarga máxima en cuencas (Mulvaney, 1850) y los
experimentos de flujo en arenas de donde derivó la ley de Darcy (Darcy, 1856).
Durante el próximo siglo, tuvieron lugar avances innovadores en el modelado de
diferentes componentes del ciclo hidrológico basados en las leyes de la física-
matemática y en experimentos de laboratorio y/o de campo entre los que destacan las
ecuaciones de Saint Venant (Saint Venant, 1871) y la ecuación semi-empírica de
Horton (Horton, 1940) para flujo superficial, cálculo de velocidad de flujo en canales
abiertos (Manning, 1891) y el desarrollo del hidrograma unitario (Clark, 1945). El
modelo de Cuenca de Stanford (SWM) desarrollado por Crawford y Linsley (1966) fue
el primer intento para modelar el ciclo hidrológico en las cuencas hidrográficas,
generando con ello el primer avance en el modelado de cuencas.

A partir de 1960, nace la hidrología digital gracias al avance de la computación y mejora

de los equipos de cómputo que permitieron realizar gran cantidad de cálculos (Milad,
Sobri, y Mohsen, 2012), hacer modelaciones bidimensionales y tridimensionales de
flujo en canales, agua subterránea e infiltración, y modelar de manera simultánea flujo
de agua, sedimentos y contaminantes y empleando escalas espaciales y temporales
pequeñas. La hidrología se apoya en otras ciencias afines como climatología,
geomorfología, geología y ecosistemas. Las décadas siguientes se emplearon
herramientas matemáticas, estadísticas y de sistemas de información en la hidrología.
Asimismo, fue posible el desarrollo de software accesible con herramientas de
adquisición almacenamiento y procesamiento de gran cantidad de datos (Singh, 2018).

En la década de los 70´s el lanzamiento de satélites y el uso de aviones equipados

con sensores remotos permitieron la adquisición de información hidrológica de grandes
áreas (Campo, Caparrini, y Castelli, 2006). Los sistemas de radar estimaron la
precipitación a una alta resolución temporal, mientras que cámaras multiespectrales e
hiperspectrales midieron diversas propiedades y estados de la superficie terrestre
como evapotranspiración, humedad del suelo, vegetación, cobertura de nieve y uso de
suelo, permitiendo una mejor calibración de los modelos hidrológicos (Xu, Li, y Tolson,
2014). Debido a la capacidad de observación de la variabilidad espacial y a gran escala

24
que brindan los sensores remotos, se ha propiciado el desarrollo de nuevos modelos
hidrológicos distribuidos (Xu et al., 2014). De manera paralela el desarrollo de
Sistemas de Información Geográficos (SIG) permitió recopilar, analizar y desplegar
grandes volúmenes de datos multitemáticos de áreas extensas y ser integradas y
visualizadas a diferentes escalas lo que permite una visión holística en el manejo de
los recursos hídricos (Jaber, Mansor, Pradhan, y Ahmad, 2016). En los últimos años
se ha logrado avances en la asimilación de datos de sensores remotos hidrológicos y
terrestres, destacando principalmente en la precipitación, la humedad del suelo
superficial, la capa de nieve, el equivalente de agua de nieve, el índice del área foliar
y la evapotranspiración (Ha, Bastiaanssen, Griensven, Dijk, y Senay, 2018; Xu et al.,
2014).

A pesar de estos avances, la selección del modelo depende del tipo de cuenca y
estudio que se pretenda realizar, pues no existen modelos que sean aplicables a todas
las situaciones hidrológicas (Marshall, Nott, y Sharma, 2005). Hay varios criterios para
seleccionar el modelo adecuado, en los que pueden ser considerados cuatro
categorías fundamentales: precisión, manejo de datos de entrada y salida, tiempo de
proceso y costo (Cunderlik, 2003). Considerando lo anterior el presente capítulo hace
una revisión comparativa de modelos hidrológicos que utilizan como insumo datos
obtenidos de sensores remotos, tomando en cuenta los parámetros hidrológicos
integrados, campos de aplicación, dimensionamiento de aplicación, operación y
manejo del modelo, datos de entrada y salida, tiempos de proceso, características del
software y costo. Finalmente, se hace una priorización de criterios y recomendaciones
para la elección de un modelo hidrológico, mismos que, al aplicarse, resultaron en la
selección del modelo SWAT del presente estudio.

2.2 BREVE DESCRIPCIÓN DE MODELOS HIDROLÓGICOS

Según Wheater et al. (1993), los modelos hidrológicos se clasifican por: su estructura
(métrica, conceptual, física e híbrida), representación espacial (concentrada, semi-
distribuida y distribuida), procesos (determinística y estocástica), escala de tiempo y
escala espacial. De esta clasificación los modelos concentrados, semi-distribuidos y
distribuidos son los más desarrollados conceptualmente (Vieux, 2016). Un modelo
25
concentrado solo se expresa mediante ecuaciones algebraicas y diferenciales dejando
de lado las variables espaciales, las condiciones y las características que comprende
una cuenca (Singh, 1995). Los modelos distribuidos toman en cuenta la variabilidad
espacial en los procesos, los insumos, las condiciones de contorno y las características
de la cuenca (Pechlivanidis et al., 2011), además brindan un amplio contexto en la
modelización hidrológica, y permiten una mayor variedad de aplicaciones (Vieux,
2016). Un modelo semi-distribuido, combinación de modelos concentrados y
distribuidos, puede representar las características más importantes de la cuenca,
mientras que al mismo tiempo requiere menos datos y menores costos
computacionales que los modelos distribuidos (Orellana, Pechlivanidis, McIntyre,
Wheater, y Wagener, 2008).

El desarrollo de la tecnología informática conduce a nuevos métodos de cálculo en

ciencias hidrológicas y modelado informático. Durante muchos años, los modelos
hidrológicos se han desarrollado con diferentes características y propósitos. Para
comprender la configuración y los procedimientos de operación de los modelos, los
investigadores han intentado definirlos a través de diferentes clasificaciones donde la
mayoría de ellos se basan en la definición matemática. Sin embargo, no es posible
una clasificación definitiva para los modelos hidrológicos ya que la mayoría tienen
características superpuestas (Gosain, Mani, y Dwivedi, 2009). Actualmente, siguen
existiendo discusiones sobre el desarrollo, características y capacidades de los
modelos hidrológicos (Milad et al., 2012).

A continuación, se presenta una breve descripción de los modelos hidrológicos

seleccionados, basado en una revisión de trabajos sobre modelación hidrológica cuya
principal característica es el uso de información de sensores remotos y la
determinación de la escorrentía de superficie, entre los que destacan: SWAT (Soil and
Water Assessment Tool), WEAP (Water Evaluation And Planning), SPHY (Spatial
Processes in Hydrology), VIC (Variable Infiltration Capacity), WEPP (Water Erosion
Prediction Project) y AGWA (Automated Geospatial Watershed Assessment),
utilizados principalmente para estudios de gestión hídrica en cuencas hidrográficas.

26
2.2.1 SWAT

SWAT (Soil and Water Assessment Tool), es un modelo físico, semi-distribuído en

tiempo continuo (Arnold, Moriasi, et al., 2012) a escala de cuenca hidrográfica,
desarrollado por Jeff Arnold en 1992 para el USDA ARS, que cuenta con la integración
de una interface SIG para automatizar la entrada de datos (Srinivasan y Arnold, 1994).
Fue desarrollado con el objetivo de predecir el impacto de las prácticas de manejo de
suelos, analizar el contenido de sedimentos y fertilizantes químicos en los rendimientos
agrícolas en cuencas hidrográficas complejas con suelos variables, y condiciones de
uso y manejo de la tierra en largos períodos de tiempo (Neitsch, Arnold, Kiniry, y
Williams, 2011). La base de datos oficial de SWAT (https://swat.tamu.edu/) se tiene
cerca de 4,000 estudios que usan el modelo para diferentes aplicaciones. Los
principales componentes del modelo son clima, hidrología, sedimentos, crecimiento de
cultivos, nutrientes y pesticidas (Arnold, Srinivasan, Muttiah, y Williams, 1998). Las
simulaciones desarrolladas por SWAT se basan en los procesos del ciclo hidrológico
(Figura 2.1).

Figura 2.1. Ciclo hidrológico en el modelo SWAT (Neitsch et al., 2011).

27
2.2.2 WEAP

WEAP (Water Evaluation And Planning System) es un modelo de cuenca hidrográfica

semi-distribuido y de base física desarrollado en 1988 por el Instituto del Medio
Ambiente de Estocolmo (SEI), con el objetivo de brindar una herramienta de
planificación flexible, integrada y transparente para evaluar problemas de asignación
de recursos hídricos, sostenibilidad de demandas de agua y patrones de suministro,
explorar escenarios alternativos a largo plazo y realizar estudios relacionados con el
cambio climático sobre la hidrología del sistema, además, puede ser utilizada como
una herramienta de análisis de políticas, ya que evalúa una gama completa de
opciones de desarrollo y gestión del agua (Sieber y Purkey, 2015). Los componentes
del balance hidrológico modelados por WEAP son evapotranspiración, infiltración,
escorrentía superficial, escorrentía sub-superficial (inter-flujo), y flujo base (Figura 2.2).

Figura 2.2. Elementos hidrológicos modelados en WEAP (SEI y UC, 2009).

28
2.2.3 SPHY

SPHY (Spatial Process in Hydrology) es un modelo hidrológico desarrollado por

FutureWater (Terink, Lutz, Simons, Immerzeel, y Droogers, 2015) en cooperación con
clientes y socios nacionales e internacionales, con el objetivo explícito de simular la
hidrología terrestre bajo diversas condiciones fisiográficas e hidro-climáticas mediante
la integración de modelos existentes y bien probados como HydroS, SWAT, PCR-
GLOBWB, SWAP y HimSim (Terink et al., 2015). SPHY ha sido implementado en
aplicaciones de gestión de recursos hídricos para soporte de decisiones operativas y
estratégicas (Terink y Khanal, 2016). SPHY es un modelo que integra la mayoría de
los procesos hidrológicos como precipitación, escorrentía, evapotranspiración, tránsito
de avenidas, simulación del contenido de humedad de la zona de la raíz y evolución
dinámica de la cubierta vegetal (Figura 2.3).

Figura 2.3. Conceptos integrados en el modelo SPHY. Los flujos en gris solo se incorporan cuando no
se utiliza el módulo de agua subterránea (Terink et al., 2015).

29
2.2.4 VIC

VIC (Variable Infiltration Capacity) es un modelo hidrológico macro escalar semi-

distribuído basado en la transferencia y balance de agua y energía entre el suelo, la
vegetación y la atmósfera, a través de retículas en las que se describe la distribución
de la humedad del suelo, considerando los efectos de la vegetación, topografía y
suelos, desarrollado por Liang et al. (1994) y posteriormente mejorado por Lohmann
et al. (1998) y Liang y Xie (2001). Se caracteriza por incluir la variabilidad de las clases
de vegetación, capacidad de almacenamiento de humedad del suelo, flujo base y
topografía lo que permite obtener resultados más realistas en regiones montañosas,
además, presenta una resolución temporal sub-diario y diario (Gao, Tang, Shi, Zhu, y
Bohn, 2009). El modelo incluye tanto parámetros de balance hídrico como balance
energético, además, utiliza dos mecanismos de producción de escorrentía basados en
exceso de saturación e infiltración (Wang et al., 2012). La Figura 2.4 muestra la
columna del suelo y los balances de agua y energía.

Figura 2.4. Columna de suelo, flujo de agua y energía del modelo VIC (Gao et al., 2009).

30
2.2.5 WEPP

WEPP (Water Erosion Prediction Project) es un modelo continúo distribuido para

estimar erosión y escorrentía a lo largo de un perfil de pendiente o en cuencas
hidrográficas pequeñas (Flanagan, Frankenberger, y Ascough, 2012). Fue
desarrollado en 1985 por el Departamento de Agricultura de EE. UU. (USDA), y se
utiliza para imitar el movimiento del agua superficial y subsuperficial, además calcula
sedimentos, volumen de escorrentía, infiltración y las tasas de erosión y deposición
para múltiples períodos de tiempo (Yüksel, Akay, Gundogan, Reis, y Cetiner, 2008).
Actualmente WEPP tiene una interfase que considera la variabilidad espacial en SIG.
GeoWEPP integra el modelo WEPP y el software Topography Parameterization
(TOPAZ) en ArcGIS y permite la predicción de sedimentos y escorrentía en cada píxel
para cuencas hidrográficas de mayor tamaño (Akbari, Sedaei, Naderi, Samah, y
Sedaei, 2015). Los principales procesos hidrológicos integrados en WEPP son
infiltración, escorrentía, evaporación del suelo, transpiración de plantas, deshielo e
infiltración (Savabi y Williams, 1995) (Figura 2.5).

Figura 2.5. Balance hídrico del modelo WEPP (Savabi y Williams, 1995).

31
2.2.6 AGWA

AGWA (Automated Geospatial Watershed Assessment) es una interfaz SIG

desarrollada conjuntamente por el Servicio de Investigación Agrícola del USDA, la
Agencia de Protección Ambiental de los Estados Unidos, la Universidad de Arizona y
la Universidad de Wyoming, para automatizar la parametrización y ejecución de un
conjunto de modelos hidrológicos y de erosión (Miller et al., 2007) a diferentes escalas
temporales, espaciales y variedad de condiciones ambientales (Miller et al., 2002),
entre los que se encuentra el modelo Soil and Water Assessment Tool (SWAT), para
predecir el impacto del manejo de tierras en agua, sedimentos y rendimiento químico
agrícola en cuencas hidrográficas grandes y complejas (Arnold et al., 1998) y el modelo
KINematic runoff and EROSion (KINEROS2), para los procesos de interceptación,
infiltración, desprendimiento de superficies y erosión de pequeñas cuencas
hidrográficas agrícolas, de pastizales y urbanas (Miller et al., 2007). La Figura 2.6
presenta el procedimiento para utilizar los modelos SWAT y KINEROS2 con AGWA.

Figura 2.6. Procesamiento básico en AGWA (USDA-ARS, US-EPA, y UWREWML, s.f.).

32
2.3 ANÁLISIS COMPARATIVO DE MODELOS HIDROLÓGICOS

2.3.1 Procesos hidrológicos

Se incluyeron los modelos hidrológicos en tres tipos de procesos: (i) Procesos

Hidrológicos Prioritarios que son los principales procesos del ciclo hidrológico como
precipitación, escurrimiento superficial, infiltración, evapotranspiración; (ii) Procesos
Hidrológicos Secundarios que son procesos hidrológicos más específicos que incluyen
intercepción, deshielo, percolación, flujo subsuperficial, flujo base, agua subterránea y
flujo en cuerpos de agua; y (iii) Procesos No Hidrológicos, los referidos a la
determinación de erosión y transporte de sedimentos, análisis crecimiento dinámico
vegetativo, determinación de nutrientes en aguas y pesticidas, calidad de agua,
rendimiento de cultivos, irrigación y análisis climático. La Tabla 2.1 muestra los
procesos incluidos en los trabajos revisados.

Tabla 2.1. Procesos que integran los modelos.

MODELOS
Procesos Hidrológicos Prioritarios SWAT WEAP SPHY VIC WEPP AGWA
Precipitación ✓ ✓ ✓ ✓ ✓ ✓
Escurrimiento superficial ✓ ✓ ✓ ✓ ✓ ✓
Infiltración ✓ ✓ - ✓ ✓ ✓h
Evapotranspiración ✓ ✓ ✓ ✓ ✓e ✓g
Procesos Hidrológicos Secundarios
Humedad en el suelo ✓ ✓ ✓ ✓ ✓ -
Intercepción - dosel ✓ ✓ ✓ ✓ ✓ -
Fusión (deshielo) (1) ✓ ✓ ✓ ✓d ✓d -
Percolación ✓ ✓ ✓ - ✓ ✓g
Flujo subsuperficial (inter flujo) ✓ ✓ ✓ - ✓ -
Flujo base ✓ ✓ ✓ ✓ - -
Agua subterránea ✓ ✓ ✓ ✓ - -
Cuerpos de agua (reservorios-
embalses) ✓a ✓ ✓ ✓ -f -
Procesos No Hidrológicos
Erosión - Transporte de sedimentos ✓ - - - ✓ ✓gh
Cubierta vegetal (crecimiento dinámico) ✓ ✓ ✓ ✓ ✓ -
Contaminantes (2) ✓b - - - ✓ ✓i
Calidad del agua (ríos, corrientes) ✓ ✓ - - - -
Rendimiento de cultivos ✓ ✓ - - ✓ -
Irrigación ✓ ✓ ✓ ✓ ✓ -
Tránsito-enrutamiento ✓ - ✓ ✓ ✓ -
Análisis climático ✓c - - - ✓c -
(✓) El modelo integra el proceso. (1) Modelación de glaciares y/o nieve; escurrimiento y almacenamiento. (2) Residuos; nutrientes:
nitratos y fosfatos; carbono; pesticidas y plaguicidas. (a) Incluye balance de estanques y humedales. (b) Degradación, transporte
y/o deposición de plaguicidas del suelo, nitrógeno, fosfato, pesticidas, bacterias, carbón, metales pesados. (c) SWAT: Generación
y complementación de datos climatológicos, WEPP: Incluye componentes para la generación de datos climáticos. (d) No integra
el proceso para glaciares. (e) Considera transpiración y evaporación por separado. (f) Solo el proceso de depósito de sedimentos
en cuerpos de agua/embalses. (g) Procesos determinados por SWAT. (h) Procesos determinados por KINEROS2. (i)
Determinación de residuos (nitratos y fosfatos) en la escorrentía superficial mediante SWAT (para posteriores avances de AGWA).

33
Los procesos hidrológicos prioritarios como precipitación, escurrimiento superficial,
infiltración y evapotranspiración se presentan en la mayoría de los modelos
comparados, a excepción del modelo SPHY el cual no integra el proceso de infiltración,
y utiliza el proceso de exceso de saturación para flujo superficial (escurrimiento de
Hewlettian) (Terink y Khanal, 2016). Dentro de los procesos prioritarios, la precipitación
es el proceso fundamental de entrada para la modelación, tal y como lo describen
Neitsch et al. (2011) para el modelo SWAT, SEI y UC, y Sieber y Purkey (2009; 2015)
para WEAP, Terink y Khanal (2016) para SPHY, Gao et al. (2009) para el modelo VIC,
Flanagan et al. (1995; 2012) para WEPP, y Guertin et al. y Miller et al. (s.f.; 2007) para
AGWA. El modelo WEPP no considera el proceso de evapotranspiración como tal, ya
que los procesos de evaporación de suelos y transpiración vegetal se procesan de
forma independiente dentro del modelo (Flanagan et al., 2012). AGWA trabaja los
modelos hidrológicos de forma independiente, por lo que cada uno de los parámetros
prioritarios son generados por separado; el modelo SWAT integrado en AGWA
procesa la precipitación, el escurrimiento superficial y la evapotranspiración; mientras
que el modelo KINEROS2 integra la precipitación, el escurrimiento superficial y la
infiltración (Miller et al., 2007). Algunos estudios que utilizan los modelos comparados
para la determinación de parámetros hidrológicos prioritarios se mencionan a
continuación. En el modelo SWAT aplicado por Jahanshahi et al. (2017), consideraron
los parámetros de precipitación, nieve, escurrimiento superficial y evapotranspiración
para zonas áridas, semiáridas y semihúmedas. WEAP ha sido aplicado por Usha y
Mudgal (2015) para la obtención de parámetros de escurrimiento, y Ahmed et al.
(2015) para la determinación de la evapotranspiración. SPHY fue utilizado por Hunink
et al. (2017) para los parámetros de evapotranspiración real, escurrimiento y la
humedad del suelo. Mientras que los modelos VIC, WEPP y AGWA fueron utilizados
en la determinación de escurrimientos superficiales en los estudios de Zhao et al.
(2013), Foltz et al. (2009) y Hamad et al. (2012), respectivamente.

Los procesos hidrológicos secundarios como humedad del suelo, intercepción-dosel,

deshielo, percolación, flujo subsuperfial, flujo base, agua subterránea y cuerpos de
agua están presenten para los modelos SWAT, WEAP y SPHY, siendo los únicos
modelos comparados que integran todos los procesos hidrológicos secundarios.

34
SWAT además de integrar cuerpos de agua y embalses, incluye los balances sobre
pequeños estanques y ecosistemas de humedales (Arnold, Kiniry, et al., 2012; Neitsch
et al., 2011). Los modelos VIC y WEPP presentan menor número de procesos
hidrológicos secundarios. Por un lado, el modelo VIC no integra los procesos de
percolación y de flujo subsuperfial (interflujo), además, su proceso de deshielo no
contempla los procesos de glaciares (Gao et al., 2009). El proceso de deshielo para
glaciares sí se incluye en los modelos SWAT, WEAP y SPHY. Por otro lado, el modelo
WEPP no comprende de los procesos de flujo base y agua subterránea, y al igual que
VIC, el deshielo de glaciares no es incluido (Savabi y Williams, 1995). WEPP se
destaca por el proceso y simulación de depósito de sedimentos en los cuerpos de agua
(embalses). Finalmente, AGWA presenta la percolación como el único proceso
hidrológico secundario determinado a través del modelo SWAT. Algunos estudios
relacionados con la determinación de parámetros hidrológicos secundarios se
presentan a continuación. El modelo SWAT fue utilizado por Nilawar et al. (2017) en la
determinación de humedad de suelo, por Park et al. (2014) para la obtención de
evapotranspiración, humedad del suelo, agua subterránea y flujo de entrada, Lv et al.
(2016) para la operación de embalses y Tuo et al. (2018) en la calibración de
parámetros de nieve. El modelo WEAP fue aplicado por Ragettli et al. (2014) para la
modelación de acumulación de nieve, derretimiento y escurrimiento, Toure et al. (2017)
para determinar el comportamiento de aguas subterráneas, y Demertzi et al. (2014)
para la operación de embalses bajo los efectos de sequía. El modelo SPHY fue
aplicado por FutureWater (2014) para modelado criosférico-hidrológico sobre los
regímenes de flujo, y por Terink et al. (2015) para la determinación de humedad del
suelo y flujo de reservorios operacionales. El modelo VIC ha sido utilizado por
Haddeland et al. (2006) para procesos de reservorios-embalses, por Zhao et al.
(2013) en escurrimiento de nieve y glaciares, y por Liang (2003) para la interacción
dinámica entre agua superficial y subterránea. El modelo WEPP fue utilizado por
Singh et al. (2009) para la determinación de los procesos de congelación-
descongelación, y por Foltz et al. (2009) para la determinación de infiltración, erosión,
escurrimiento e impactos de la cubierta vegetal. Finalmente AGWA se observa la

35
determinación de parámetros de escurrimiento y percolación en el trabajo desarrollado
por Hamad et al. (2012).

Los procesos no hidrológicos (Tabla 2.1) incluyen la erosión y transporte de

sedimentos, cubierta vegetal o crecimiento dinámico vegetativo, contaminantes,
calidad del agua, rendimiento de cultivos, irrigación, tránsito o enrutamiento, y análisis
climático, los cuales se consideraron como aquellos parámetros que no están
completamente relacionados con el ciclo hidrológico y sin embargo forman parte de
los modelos con los cuales se pueden realizar estudios de mayor complejidad. Los
modelos SWAT y WEPP son los únicos modelos con mayor integración de procesos
no hidrológicos, sin embargo, SWAT cuenta con el mayor número de parámetros. En
el proceso de contaminantes, SWAT se destaca por su proceso y simulación de
degradación, transporte y/o deposición de plaguicidas del suelo, nitrógeno, fosfato,
pesticidas, bacterias, carbón y metales pesados. Además, el análisis climático de
SWAT es capaz de generar y complementar datos meterológicos faltantes y
proyecciones climáticas futuras (Neitsch et al., 2011). El modelo WEPP no contempla
la integración del proceso de calidad del agua en ríos y corrientes. Al igual que el
modelo SWAT, WEPP incluye componentes para la generación de datos climáticos
(Flanagan et al., 2012). El modelo WEAP solo integra los procesos de crecimiento
dinámico vegetativo, calidad del agua en ríos, rendimiento de cultivos e irrigación.
SPHY y VIC integran los procesos de crecimiento dinámico vegetativo, irrigación y
tránsito-enrutamiento de cauces. Finalmente, AGWA integra solo los procesos de
erosión y transporte de sedimentos a través de sus modelos SWAT y KINEROS2, y
para posteriores actualizaciones de AGWA, se integrará el proceso para la
determinación de contaminantes de residuos de nitratos y fosfatos en la escorrentía a
través del modelo SWAT (Miller et al., 2007).

Algunos estudios relacionados con los parámetros no hidrológicos se presentan a

continuación. A través de SWAT Zhang et al. (2018) generaron la modelación de
procesos y transporte de plaguicidas, Udias et al. (2018) desarrollaron estrategias de
riego para uso de agua en cultivos, y Wang et al. (2016) para el rendimiento de cultivos
ante la variabilidad climática, y Thang et al. (2018) en el estudio del impacto del cambio

36
climático y la calidad del agua. El modelo WEPP fue utilizado por Gronsten y
Lundekvam (2006) en la determinación de escurrimiento superficial y erosión, por
Zhang y Nearing (2005) para la determinación de impactos en erosión, escurrimiento
y rendimiento de cultivos, por Perez et al. (2010) para el trasporte de contaminantes
(fosforo), y por Dennis et al. (2007) para el crecimiento dinámico de plantas. El modelo
WEAP fue empleado por Assaf y Saadeh (2008) y por Al-omari et al. (2015) en la
determinación de la calidad de agua. A través de los modelos SPHY y VIC, Simons y
Droogers (2015) y Haddeland et al. (2006) respectivamente, integran el proceso de
crecimiento dinámico vegetativo, y Terink et al. (2015) y Gao et al. (2009), incluyen el
estudio de tránsito de avenidas en los modelos SPHY y VIC, respectivamente.
Finalmente, AGWA fue utilizado por Abdulla y Eshtawi (2007) para determinar la
erosión y transporte de sedimentos, y por Goodrich et al. (2011) en la determinación
de contaminantes (fosfatos y nitratos).

SWAT se definió como el modelo más completo en determinación e integración de

procesos hidrológicos y no hidrológicos, seguido de los modelos WEPP, WEAP,
SPHY, VIC y AGWA. Como objetivo principal de este estudio, los modelos hidrológicos
cumplen con la generación y determinación del escurrimiento superficial. Sin embargo,
las siguientes comparaciones decretaron la selección del modelo.

2.3.2 Campos de aplicación

Los modelos se agruparon en tres campos de aplicación: (i) Gestión y planificación,

que son los campos relacionados con recursos hídricos, agrícola/riego y forestal; (ii)
Impactos y efectos, donde se incluyen el cambio de uso de suelo, cambio climático y
sequías; y, (iii) Otros campos, como el suministro y demanda de agua, determinación
de procesos hidrológicos en zonas urbanas, determinación de energía hidroeléctrica,
modelación y operación de embalses, y análisis financiero costo-beneficio de
proyectos. La Tabla 2.2 muestra los campos de aplicación de mayor uso para los
modelos comparados, incluidos en los trabajos revisados.

37
 Tabla 2.2. Campos de aplicación de los modelos.
MODELOS
Gestión y Planificación SWAT WEAP SPHY VIC WEPP AGWA
Recursos Hídricos (1) ✓ ✓c ✓ ✓ ✓ ✓
Agrícola / riego ✓ ✓ ✓ ✓ ✓ -
Forestal ✓ - - - ✓ ✓
Impactos y Efectos
Cambio de uso de suelo ✓ ✓ ✓ ✓ ✓ ✓
Cambio climático ✓ ✓ ✓ ✓ ✓ ✓
Sequía ✓ ✓ ✓ ✓ - -
Otros Campos
Suministro y demanda de agua ✓ ✓d - - - -
Recursos hídricos en zonas urbanas ✓a ✓ - ✓ - ✓
Hidroelectricidad ✓b ✓e ✓b - - -
Modelado/operación de embalses ✓ ✓ ✓f ✓ - -
Análisis financiero (costo-beneficio) - ✓ - - - -
(✓) Campo de aplicación del modelo. (1) Sistema complejo que involucra la coordinación del agua, tierra y recursos relacionados.
(a) Prácticas de gestión urbana, escurrimientos en superficies de áreas urbanas. (b) Se utiliza en la evaluación de disponibilidad
de agua en la producción de energía hidroeléctrica. (c) Contempla dentro de un sistema hídrico componentes de infraestructura
como embalses y bombeo de agua subterránea. (d) Ubicación y condiciones de demanda de agua, tales como uso del agua,
eficiencia de equipos, estrategias de reúso, costos y esquemas de suministro tales como caudales, recursos de agua subterránea,
embalses y trasvases. (e) Calcula el volumen de suministro de agua requerimiento a través de las turbinas, necesario para generar
la demanda de energía. (f) Este módulo se ha implementado en la versión más reciente de SPHY (v2.1).

En gestión y planificación se incluyen principalmente el campo de recursos hídricos

que involucra la coordinación del agua, tierra y recursos relacionados, el campo de
gestión agrícola y/o de riego y el campo de estudios de gestión forestal. SWAT y WEPP
son los únicos modelos que integran los tres campos de aplicación. Los modelos
WEAP, SPHY y VIC comprenden solo de los campos relacionados a recursos hídricos
y agrícola/riego, destacando el modelo WEAP por la integración de un sistema hídrico
complejo que contempla componentes de infraestructura como embalses y bombeo
de aguas subterráneas (SEI y UC, 2009). Por otro lado, AGWA no está relacionado
con los campos de agricultura y riego, debido a que actualmente está enfocado en el
desarrollo de procesos hidrológicos principales y arrastre de sedimentos, como se
observó en el apartado 2.3.1.

A continuación, se muestran los estudios relacionados con algunos campos de

aplicación. Sobre gestión y/o planificación de recursos hídricos, se observaron los
trabajos de Kamali et al. (2017) para el modelo SWAT, Metobwa et al. (2018) para
WEAP, Lutz et al. (2012) para SPHY, Naha et al. (2016) para el modelo VIC, Zhang y
Liu (2005) para WEPP, y Baker y Miller (2013) para AGWA. El campo de gestión
agrícola o de riego se observaron en los trabajos de Udias et al. (2018) para el modelo
SWAT, por Blanco et al. (2013) para el modelo WEAP, por Wehling (2014) para SPHY,

38
por Haddeland et al. (2006) para VIC, y por Pandey et al. (2009) para el modelo WEPP.
Mientras el campo de aplicación de áreas forestal se observa en trabajos de Kim et al.
(2017) para el modelo SWAT, en Dun et al. (2009) para el modelo WEPP, y en el
trabajo de Canfield et al. (2005) para AGWA.

Impactos y efectos incluye los campos de aplicación sobre el cambio de uso de suelos,
cambio climático y sequía. Los modelos SWAT, WEAP, SPHY y VIC, presentan mayor
número de investigaciones enfocados a estos campos, debido al incremento de los
impactos sobre suelo, clima y sequía que se presentan a nivel mundial. Actualmente,
el modelo WEPP y AGWA no presentan estudios relacionados con sequía. Los
estudios revisados donde se observan los campos de aplicación impactos y efectos se
mencionan a continuación. El cambio de uso del suelo y cambio climático fue estudiado
por Dos Santos et al. (2014) y Mekonnen et al. (2017) mediante el empleo del modelo
SWAT, por Usha y Mudgal (2015) mediante el modelo WEAP, por Lutz et al. (2012) y
Terink y Khanal (2016) mediante el modelo SPHY, por Hengade y Eldho (2016) y Wang
et al. (2012) mediante el modelo VIC, por Maalim et al. (2013) mediante el modelo
WEPP, y por Kepner et al. (2009) y Hamad et al. (2012) mediante el empleo de AGWA.
Mientras los estudios relacionados con aplicación en sequías se encuentran en los
elaborados por Sehgal y Sridhar (2018) mediante el modelo SWAT, por
Giannikopoulou et al. (2017) mediante el modelo WEAP, por Terink et al. (2015)
mediante el modelo SPHY, y por Cayan et al. (2010) mediante el modelo VIC.

En otros campos se incluye la aplicación de los modelos para estudios específicos de

suministro y demanda de agua, recursos hídricos en zonas urbanas, hidroelectricidad,
modelado/operación de embalses y análisis financiero para la generación de costo-
beneficio. WEAP es el único modelo utilizado en todos los campos mencionados, con
la superioridad de usar datos económicos para la generación de un análisis financiero
y obtener un costo beneficio de todo el sistema hídrico. Los estudios de suministro y
demanda de agua mediante la aplicación WEAP, requieren información sobre uso del
agua, eficiencia de equipos, estrategias de reúso, costos y esquemas de suministro de
caudales, recurso de agua subterránea, embalses y trasvases, según sea el alcance
del proyecto. Mientras que para estudios sobre generación hidroeléctrica, WEAP

39
calcula el volumen necesario de agua a través de las turbinas para la generación de la
demanda energética (Sieber y Purkey, 2015). De esta manera WEAP es capaz de
integrar una gran cantidad de datos económicos y técnicos, que permiten generar
proyectos más completos y eficientes. WEAP resulta ser un modelo completo y
adecuado, si se cuenta con toda la información requerida para el estudio, en caso
contrario, será un gran problema la obtención de datos requeridos por el modelo. Por
otro lado, SWAT ha sido empleado en estudios sobre recursos hídricos de zonas
urbanas, hidroelectricidad, y modelado/operación de embalses, sin embargo, no
contempla el análisis financiero, ya que no cuenta con un sistema de ingreso de datos
económicos y técnicos para la generación costo-beneficio de un sistema hídrico, y
sobre estudios relacionados con el suministro y demanda de agua. SPHY al igual que
los modelos anteriores, se ha aplicado en estudios hidroeléctricos, evaluando la
disponibilidad de agua para la producción de energía hidroeléctrica. SPHY dispondrá
en un futuro, en la versión v2.1, del modelado y la operación de embalses (Terink et
al., 2015). El modelo VIC ha sido aplicado principalmente en estudios sobre el campo
de recursos hídricos para zonas urbanas y operación de embalses. Actualmente
AGWA no cuenta con estudios sobre suministro y demanda de agua, hidroelectricidad,
operación de embalses o análisis financiero, y solo se ha enfocado para pocos es
estudios sobre recursos hídricos en zonas urbanas. Finalmente, dentro de los modelos
comparados WEPP es el único que no cuenta con ninguno de los campos de aplicación
mencionados anteriormente. Los estudios revisados para esta comparación de
campos se mencionan a continuación. El suministro y demanda de agua fue parte del
estudio realizado por Li et al. (2015) mediante el uso del modelo WEAP. Los estudios
relacionados con el campo de hidrológica urbana se observan por Halefom et al. (2017)
usando el modelo SWAT, por Kou et al. (2018) para WEAP, por Yang et al. (2011) para
VIC, y por Kennedy et al. (2013) para AGWA. El campo de aplicación hidroeléctrico se
observó en los estudios de Nguyen et al. (2018) para el modelo SWAT, en Angarita et
al. (2018) y Sun et al. (2018) para el modelo WEAP, y en FutureWater (2015) para el
modelo SPHY. El campo de modelación/operación de embalses es empleado por Lv
et al. (2016) para el modelo SWAT, por Demertzi et al. (2014) para el modelo WEAP,
y por Haddeland et al. (2006) para el modelo VIC. Finalmente, en el campo de análisis

40
financiero puede encontrarse en el estudio realizado por Wagnitz et al. (2014) a través
del uso del modelo WEAP.

SWAT y WEAP son los modelos con mayor número de campos de aplicación. Como
parte de los objetivos particulares del presente estudio, el análisis de cambio de uso
de suelos es un aspecto esencial para llevar a cabo las simulaciones y la determinación
de la escorrentía superficial, por lo que los modelos SWAT, WEAP, VIC y WEPP son
adecuados para efectuar el estudio, debido a la cantidad de estudios realizados en el
tema. Sin embargo, las siguientes dos comparaciones tienen mayor influencia en la
selección del modelo.

2.3.3 Dimensionamiento de aplicación

La resolución espacial expresa la cantidad de elementos dentro de una cuenca,

mientras que la resolución temporal define la cantidad de pasos de tiempo dentro de
un periodo determinado, siendo la variabilidad espacial y temporal de lluvia una de las
de mayor importancia (Booij, 2002). La comparación de modelos relacionados con su
dimensionamiento de aplicación fue agrupada en tres secciones principales; modelo,
dimensionamiento espacial y dimensionamiento temporal (Tabla 2.3). La sección
Modelo muestra el tipo de modelo clasificado de acuerdo a su representación espacial;
modelo semi-distribuido y distribuido, y muestra si el modelo está basado físicamente
para los cálculos del programa (representación matemática simplificada de los
procesos del ciclo hidrológico) (Devi et al., 2015). La sección de dimensionamiento
espacial está integrada por parámetros distribuidos, distribución espacial de trabajo, y
flexibilidad de tamaños para el manejo de cuencas. Finalmente, la sección de
dimensionamiento temporal está integrado por resoluciones o pasos de tiempo de
modelado por hora, sub diaria, diaria, semanal, mensual y anual.

41
 Tabla 2.3. Dimensionamiento de los modelos.
MODELOS
Modelo SWAT WEAP SPHY VIC WEPP AGWA
Semi distribuido ✓ ✓ - - - ✓f
Distribuido - - ✓ ✓ ✓d ✓g
Modelo basado físicamente (1) ✓ ✓ ✓ ✓ ✓ ✓h
Dimensionamiento Espacial
Parámetros distribuidos ✓ ✓ ✓ ✓ ✓ ✓h
Distribución espacial ✓a ✓a ✓b ✓b ✓bd ✓a
Flexibilidad en tamaños de cuencas
(2) ✓ ✓ ✓ ✓ -e ✓i
Dimensionamiento Temporal
Escala de tiempo continuo ✓ ✓ ✓ ✓ ✓ ✓h
Por hora - - -c - - ✓j
Sub diaria - - - ✓ - -
Diaria ✓ ✓ ✓ ✓ ✓ ✓f
Semanal - ✓ - - - -
Mensual ✓ ✓ - - ✓ -
Anual ✓ ✓ - - ✓ -
(✓) Dimensionamiento del modelo. (1) Representación matemática simplificada de alguno o todos los procesos del ciclo
hidrológico. (2) Modelación de cuencas pequeñas, medianas, grandes, y en algunos casos a mesoescala. (a) Distribución espacial
mediante la división de la cuenca hidrológica en subcuencas. (b) Distribución espacial mediante un sistema de red-cuadrícula,
celda por celda. (c) En desarrollo para futuras versiones de SPHY. (d) Mediante el uso de la interfaz geoespacial para WEPP
(GeoWEPP). (e) Desarrollado para pequeñas cuencas hidrográficas agrícolas de hasta 260 ha (2.6 km2). (f) Modelo SWAT. (g)
Modelo KINEROS2. (h) Para ambos modelos: SWAT y KINEROS2. (i) KINEROS2: Para modelación de cuenca pequeña (≤ 100
km2), SWAT: Para modelación de cuenca grandes (> 100 km2). (j) En eventos de tormentas individuales, el modelo KINEROS2
puede usar pasos de tiempo cortos (minutos).

Los modelos SWAT, WEAP y AGWA se categorizan como modelos hidrológicos semi
distribuidos, por lo que el requerimiento de datos de entrada para el modelo es menor
en algunos casos, reduciendo la capacidad computacional durante el desarrollo de los
procesos de modelado. AGWA es considerado semi-distribuido debido al uso del
modelo SWAT en su sistema, y totalmente distribuido mediante el uso modelo
KINERO2 (Goodrich et al., 2012; Miller et al., 2007). Por otro lado, los modelos SPHY,
VIC y WEPP se categorizan dentro de los modelos totalmente distribuidos, debido a la
variabilidad espacial en los procesos, los insumos, las condiciones de contorno y las
características dentro de la cuenca, por lo que el uso de grandes cantidades de datos
de entrada es necesario para el desarrollo de las simulaciones, además de que
requieren de sistemas computaciones costosos y eficientes que permitan llevar a cabo
las operaciones. En la categoría de modelo basado físicamente, todos los modelos
comparados cumplen con la integración de representaciones matemáticas del
fenómeno real, importantes para el desarrollo de modelaciones para varios de los
procesos hidrológicos integrados.

42
La categoría de dimensionamiento espacial muestra que todos los modelos
comparados hacen uso de parámetros distribuidos como tipo suelo, uso/cobertura de
suelo, topografía y parámetros meterológicos como precipitación y temperatura,
principalmente. La categoría de distribución espacial señala la forma en que el modelo
divide la cuenca para realizar los cálculos hidrológicos y no hidrológicos de forma
rápida y eficiente. Por un lado, los modelos SWAT, WEAP y AGWA trabajan mediante
la división cuencas hidrográficas en subcuencas, o en Unidades de Respuesta
Hidrológica (por sus siglas en inglés, HRU) como lo realiza SWAT (Neitsch et al.,
2011). Mientras los modelos SPHY, VIP y WEPP trabajan mediante el empleo de
sistemas de red cuadriculada, y cuyos cálculos se realizan celda por celda
individualmente. La diferencia entre estos dos tipos de trabajo radica especialmente
en la velocidad operacional del sistema y en la calidad de los resultados (Pechlivanidis
et al., 2011). Por un lado, las modelaciones en SWAT, WEAP y AGWA podrán ser más
rápidas en algunos casos, mientras que en los modelos SPHY, VIP y WEPP la
velocidad de operación será más lenta, pero con resultados más precisos. La categoría
de flexibilidad de tamaños de cuencas señala que todos los modelos comparados, a
excepción del modelo WEEP desarrollado para pequeñas cuencas hidrográficas
agrícolas (hasta 260 ha-2.6 km2) (Flanagan et al., 1995), permiten la modelación de
pequeñas, medianas y grandes cuencas, y en algunos casos a tamaños macro escala.
Sin embargo, debe tomarse en cuenta que incremento de tamaño de la cuenca podría
generar mayor incentidumbre en los resultados, sobre todo a tamaños macro escala
(Raje y Krishnan, 2012). Para AGWA se señala el uso de cuencas grandes mayores a
100 km2 en la modelación a través del modelo SWAT, y modelaciones de cuencas
pequeñas menores a 100 km2 mediante el empledo del modelo KINEROS2 (Miller et
al., 2007).

La categoría de resolución temporal muestra que todos los modelos comparados

operan a escalas de tiempo continuo, mediante el modelado simultáneo de datos en
tiempo consecutivo. Los pasos de tiempo consecutivo se presentan desde pasos de
tiempo por hora, sub diaria, diaria, semanal, mensual y anual. El paso de tiempo diario
es la principal escala para los modelos SWAT, WEAP, SPHY, VIC, WEPP y AGWA
(solo mediante SWAT), seguida del paso de tiempo anual y mensual para los modelos

43
SWAT, WEAP y WEPP, el paso de tiempo semanal empleado por WEAP, sub diaria
para VIC, y el paso de tiempo por hora para AGWA mediante el empleo del modelo
KINEROS2, aunque puede usar pasos de tiempo en minutos para eventos de
tormentas individuales (Miller et al., 2007). El paso de tiempo por hora también será
empleado para futuras versiones de SPHY (Terink et al., 2015).

La comparación del dimensionamiento de aplicación de los modelos permitió observar

que SWAT, WEAP y AGWA podrían ser aptos para llevar a cabo la simulación de la
escorrentía superficial, basados principalmente en la modelación semi-distribuida, la
flexibilidad trabajo en cuencas a macro escala y el uso de pasos de tiempo diario. La
siguiente y última comparación, determinó la selección final del modelo hidrológico
utilizado en el estudio.

2.3.4 Operación y manejo

La comparación sobre operación y manejo de los modelos fue agrupada en tres

secciones principales; manejo del modelo, operación informática y manejo de datos
del modelo. La sección de manejo del modelo incluye las características de licencia
libre, guía de usuario, flexibilidad de uso, disposición modular, acceso a internet y uso
de equipo de cómputo de calidad. La sección de operación informática incluye las
características sobre uso de datos de sensores remotos, compatibilidad SIG, interfaz
gráfica en ArcGis, interfaz gráfica accesible y compatibilidad con el sistema operativo
Microsoft. Finalmente, la sección de manejo de datos se compone de características
sobre datos de entrada de fácil adquisición, requerimiento alto de parámetros, datos
climáticos, datos físicos, otros requisitos forzosos y generación de informe de
resultados. De acuerdo con los trabajos revisados, la Tabla 2.4 muestra la
comparación sobre la operación y manejo de los modelos.

44
 Tabla 2.4. Operación y manejo de modelos.
MODELOS
Manejo del Modelo SWAT WEAP SPHY VIC WEPP AGWA
Licencia libre ✓ ✓c ✓ ✓ ✓ ✓
Guía de usuario ✓ ✓ ✓ ✓ ✓i ✓
Flexibilidad ✓ ✓ ✓ ✓ ✓ ✓
Disposición modular - ✓ ✓ ✓ ✓ -
Acceso a internet - ✓ ✓ - ✓j -
Equipo computador de calidad ✓ ✓ ✓ ✓ ✓ ✓
Operación Informática
Uso de sensores remotos ✓ ✓ ✓ ✓ ✓ ✓
Compatibilidad SIG ✓ ✓d ✓f - ✓ ✓
Interfaz gráfica en ArcGIS ✓a - - - ✓i ✓
Interfaz gráfica accesible ✓ ✓ ✓ - ✓i ✓
Compatibilidad Microsoft ✓ ✓ ✓ -g ✓ ✓
Manejo de Datos
Datos de entrada de fácil adquisición ✓ ✓ ✓ ✓ ✓ ✓
Alto número de parámetros ✓ ✓ ✓ ✓ ✓ -
Datos climáticos obligados ✓b ✓ ✓ ✓h ✓b ✓b
Datos físicos obligados (1) ✓ ✓ ✓ ✓ ✓ ✓
Otros requisitos forzados (2) - ✓e - - - -
Generación de informes de resultados ✓ ✓ ✓ ✓ ✓ ✓
(✓) Realizado por el modelo. (1) Propiedades del suelo, topografía, vegetación y prácticas de gestión de la tierra (uso y cobertura),
otros. (2) Demandas y suministros de agua dentro del sistema. (a) También opera como interfaz para QGIS (complemento
QSWAT). (b) SWAT: Permite introducir valores meteorológicos a partir de registros observados o generar datos diarios de lluvia,
radiación solar, humedad relativa, velocidad del viento y temperatura, útil para completar datos diarios faltantes en los registros
observados. WEPP: Componente climático que genera precipitación diaria promedio, temperatura máxima y mínima diaria,
radiación solar diaria promedio y velocidad del viento medias diarias (generador de clima CLIGEN). AGWA: SWAT genera datos
meterológicos faltantes. KINEROS necesita de datos meterológicos completos. (c) Licencias gratuitas bajo condiciones especiales
para su permiso. (d) Interfaz gráfica propia de SIG. (e) Dependiendo del problema; patrones de uso del agua, eficiencia de equipos,
precios, demanda de energía hidroeléctrica, flujos de agua subterránea, registros de embalses y transferencias de agua. (f) Opera
como interfaz para QGIS. (g) VIC: Sistema operativo Linux y Unix. (h) Requiere mayor número de variables climatológicas en
modo de balance de energía. (i) Mediante el uso de la interfaz geoespacial para WEPP (GeoWEPP). (j) Uso de interfaces
especiales de WEPP.

Los modelos hidrológicos comparados cuentan actualmente con licencia libre, y se

obtienen de forma gratuita a través de su página web en los enlaces de SWAT (2019),
WEAP (2019), SPHY (2019), VIC (2019), WEPP (2019) y AGWA (2019). Solo el
modelo WEPP expone condiciones de registro obligatorio para la autorización de
licencias gratuitas. Las páginas de descarga de los modelos SWAT, WEAP, SPHY,
VIC y AGWA cuentan con guías de uso y manejo del modelo, y en algunos casos,
documentación teórica, artículos y complementos para el modelo. Para el caso del
modelo WEPP, los manuales publicados se basan principalmente en la interfaz
geoespacial GeoWEPP. La flexibilidad de todos los modelos comparados es adecuada
para llevar a cabo la movilidad de los procedimientos dentro del programa, además los
modelos WEAP, SPHY, VIC y WEPP se destacan por la disposición de secciones o
módulos que permiten tener una mejor ubicación de los parámetros o procedimientos
que integran al modelo. Los modelos WEAP, SPHY y WEPP requieren de conexiones
45
a internet para la descarga directa de datos y/o generación de las modelaciones.
WEPP presenta la ventaja de usar las conexiones a internet para acceder y ejecutar
algunas interfaces generales del modelo de manera directa sin la necesidad de instalar
el modelo hidrológico, a través de su página web
https://forest.moscowfsl.wsu.edu/fswepp/. Todos los modelos comparados requieren
de equipos de cómputo de buena capacidad para desarrollar las modelaciones, sin
embargo, los modelos semi-distribuidos como SWAT, WEAP y AGWA podrían
ejecutarse de normalmente en cualquier equipo de cómputo.

El uso de sensores remotos en el apartado de operación informática, señala a todos

los modelos hidrológicos comparados como programas adecuados para el manejo y
uso de información procedente de sensores remotos, principalmente satélites. A
excepción del modelo VIC, la compatibilidad de los modelos hidrológicos con los
Sistemas de Información Geográfica (SIG), es imprescindible para el manejo flexible
de información espacial de las cuencas. Estos modelos actualmente en su mayoría
son compatibles a través de una interfaz gráfica en ArcGis y QGIS. La interfaz en
ArcGis se obtiene mediante pago licencia SIG para los modelos SWAT, WEPP y
AGWA, y la interfaz QGIS con licencia libre para los modelos SWAT y SPHY. La
interfaz en ArcGIS para WEPP solo es compatible mediante el uso de GeoWEPP,
mientras que el modelo WEAP opera con su propia interfaz gráfica SIG. De esta forma,
los modelos SWAT y SPHY sobresalen en esta categoría por su interfaz operable en
QGIS. A excepción del modelo VIC, todos los modelos comparados disponen de una
interfaz gráfica accesible a través de los SIG. La compatibilidad del modelo hidrológico
con el sistema operativo de los equipos de cómputo es importante para la instalación
correcta del programa, complementos u otros requisitos indispensables del modelo.
Los modelos compatibles con Microsoft son; SWAT (para todas las versiones actuales
de Windows), WEAP (para Windows XP, Vista, 7, 8 u 10 con 256 MB de RAM mínimo
requerido), SPHY (para Windows 7 y versiones posteriores), WEPP (para Windows 7
y Vista) y AGWA (para Windows, con conexión necesaria a internet). El sistema
operativo para el modelo VIC es Linux y Unix principalmente, y solo puede ejecutase
en Windows mediante un emulador de UNIX (Cygwin o Docker).

46
Los modelos comparados necesitan de datos de entrada que pueden ser de fácil
adquisición (modelos digitales de elevación, mapas de suelo, uso y cobertura de suelo,
registros meterológicos e hidrométricos). Por las características espacio-temporal de
la cuenca el número de parámetros requeridos por los modelos es alto, sin embargo,
dependerá del estudio que se esté generando, por ejemplo, un estudio para la
determinación de algun parámetro hidrológico (escorrentía, evapotranspiración,
sedimentación, otro) requerirá de menor datos de entrada, mientras un estudio costo
beneficio para un sistema hídrico complejo requerirá de mayor cantidad de datos. El
modelo AGWA no requiere de gran número de parámetros de entrada para poder
generar simulaciones sencillas (Miller et al., 2007). Los datos climáticos de entrada
son obligatorios para todos los modelos comparados, sin embargo, algunos modelos
(SWAT, SPHY, WEPP y AGWA) pueden recurrir a datos mínimos de precipitación y
temperatura para generar simulaciones, e inclusive generar variables climatológicas
completas (radiación solar, humedad relativa y velocidad de viento para SWAT) y
complementar datos faltantes de estaciones meteorológicas observadas (modelos
SWAT y WEPP principalmente). El complemento y/o generación de datos
climatológicos por WEPP se realiza mediante el generador de clima CLIGEN
(Flanagan et al., 2012), mientras que en SWAT se genera a través del Weather
Database (Arnold, Kiniry, et al., 2012; Neitsch et al., 2011). Por otro lado, VIC requiere
de mayor numero de variables climatológicas si el modelo se usa en modo de balance
de energía (Gao et al., 2009). Los datos físicos de superficie terrestre como topografía,
tipo de suelo, uso y cobertura de suelo, son obligatorios para todos los modelos
comparados como datos mínimos de entrada, sin embargo, para estudios más
complejos se pueden ingresar datos especiales de vegetación, prácticas de gestión de
tierra, cuerpos de agua, contaminantes, entre otros. En otros requisitos forzados,
WEAP es el único modelo comparado que solicita información adicional para estudios
de demanda y suministro de agua dentro del sistema (Sieber y Purkey, 2015). De
acuerdo al tipo de estudio realizado en WEAP la información adicional podrá ser la
siguiente: patrones de uso del agua, eficiencia de equipos, reutilización, precios,
demanda de energía hidroeléctrica, flujos de agua subterránea, registros de embalses
y transferencias de agua. Finalmente, en informes de salida los resultados de los

47
modelos hidrológicos comparados son generados en formatos archivos de texto, tablas
(formato Excel para el caso de WEAP), gráficos y mapas para la representación
espacial de los resultados.

Los modelos cumplen con varias de las características de este apartado. SWAT,
WEAP, WEPP y AGWA destacan en las secciones de operación informática y manejo
de datos. El modelo VIC presenta la desventaja por su falta de compatibilidad con los
sistemas de información geográfica como ArgGIS y QGIS, y por el uso recomendado
de Linux para su instalación y manejo. Bajo la revisión detallada de los cuatro
apartados comparativos de este capítulo, los modelos SWAT, WEAP y AGWA son
aptos para llevar a cabo el objetivo principal del estudio sobresaliendo en cada uno de
los aparatados donde se les comparó, sin embargo, el uso de QGIS como interfaz
gráfica para SWAT, permitió finalmente seleccionar y utilizar este modelo para llevar a
cabo la presente investigación.

48
2.4 CONCLUSIONES

Se desarrolló una revisión comparativa de los modelos hidrológicos SWAT, WEAP,

SPHY, VIC, WEPP y AGWA en cuatro apartados principales; (2.3.1) procesos
hidrológicos, (2.3.2) campos de aplicación, (2.3.3) dimensionamiento de aplicación y
(2.3.4) operación y manejo, que sirvieron para la selección de un modelo hidrológico.

En la sección de procesos hidrológicos, el modelo SWAT integra el mayor número de

parámetros hidrológicos y no hidrológicos que el resto de los modelos. En la sección
de campos de aplicación, los modelos SWAT y WEAP cuentan con más áreas de
aplicación, y con una ventaja sobre el resto de los modelos, WEAP se destaca por su
análisis financiero costo-beneficio para los estudios de un sistema hídrico. En la
sección dimensionamiento de aplicación, los modelos SWAT, WEAP y AGWA son
definidos como modelos semi-distribuidos, adecuados para el desarrollo del presente
estudio. En la sección operación y manejo, todos modelos son de uso libre, son
flexibles en operación y requieren de equipo de cómputo adecuado. Finalmente,
SWAT, WEPP y AGWA cuentan con interfaz gráfica en ArcGIS. SWAT y SPHY se
destacan por su interfaz gráfica en QGIS.

SWAT se destaca en los cuatro apartados comparativos de los modelos hidrológicos.

Sin embargo, la principal debilidad de SWAT con respecto a los modelos comparados,
especialmente con los modelos distribuidos como VIC y SPHY, es su distribución
espacial mediante subcuencas; generalizando el uso de la tierra, el suelo y la
pendiente de la cuenca en Unidades de Respuesta Hidrologica (URH) dentro de cada
subcuenca, que a diferencia de los modelos VIC y SPHY emplean sistemas de red
cuyos cálculos se realizan celda por celda de forma independiente, aumentando
favorablemente la calidad y precisión de los resultados (Pechlivanidis et al., 2011).

SWAT es actualmente uno de los modelos hidrológicos más utilizados en la

modelación hidrológica. Posee gran cantidad de investigaciones y artículos a nivel
internacional, foros de apoyo, y su propia base de datos globales. Además, debido a
la cantidad de estudios realizados sobre el escurrimiento superficial y el cambio y uso
de suelo, fue seleccionado para realizar el presente estudio hidrológico.

49
Algunos criterios que se toman en cuenta para la selección y aplicación de un modelo
hidrológico han sido; la precisión, el tiempo de proceso, el costo del modelo y, el
manejo de datos de entrada y salida (Cunderlik, 2003), sin embargo la selección del
modelo dependerá del tipo de cuenca y estudio que se pretenda realizar (Marshall et
al., 2005). Las siguientes recomendaciones para la selección de un modelo hidrológico
se basaron en las comparaciones realizadas, las cuales no están establecidas por
orden de importancia ni son obligatorias ni precisas para una correcta selección.

1. Parámetro(s) hidrológico(s) o proceso (s) a determinar. Verificar el parámetro

hidrológico o proceso de estudio integrado en el modelo, por ejemplo,
escurrimiento superficial, infiltración, evapotranspiración, agua subterránea,
reservorios, erosión, crecimiento vegetativo, análisis de contaminantes, otros.
2. Campo de aplicación del modelo. Observar las áreas de mayor aplicación de
estudios ya realizados por el modelo. De esta forma se obtiene información base
(investigaciones, informes, artículos) relacionados al tema de interés. Por
ejemplo, estudios orientados al cambio de uso de suelos y su impacto en la
hidrología de cuencas hidrológicas (escurrimiento, infiltración,
evapotranspiración).
3. Dimensionamiento espacial y temporal. Verificar la flexibilidad de tamaños de
cuencas aplicados por el modelo, así como el tipo y la cantidad de datos de
entrada requeridos; topográficos, tipo y uso de suelos, datos meteorológicos e
hidrométricos, así como el tiempo operacional requerido para la modelación y
salida de resultados (diario, mensual, anual).
4. Operación y manejo del modelo. Conocer la forma de adquisición y disponibilidad
de licencia del modelo, así como la flexibilidad de manejo e información adicional
de apoyo (guías, teoría, artículos, complementos del modelo). Observar el
sistema operativo computacional compatible con el modelo para su instalación y
operación, y su compatibilidad con algún SIG para obtener mayor flexibilidad de
uso, aumento visual de los procesos y resultados del modelo hidrológico.

50
2.5 REFERENCIAS. REVISIÓN DOCUMENTAL DE MODELOS

Abdulla, F. A., y Eshtawi, T. (2007). Application of automated geospatial watershed assessment (AGWA)
tool to evaluate the sediment yield in a Semi-Arid region: Case study, Kufranja Basin-Jordan.
Jordan Journal of Civil Engineering, 1(3), 234–244.
AGWA. (2019). Automated Geospatial Watershed Assessment. Consultado el 20 de Junio, 2019, desde
https://www.tucson.ars.ag.gov/agwa/downloads/
Ahmed, N., Mahmood, S., y Munir, S. (2015). Estimation of Potential and Actual Crop Evapotranspiration
Using Weap Model. Science International, 27(5), 4373–4377.
Akbari, A., Sedaei, L., Naderi, M., Samah, A. A., y Sedaei, N. (2015). The application of the Water
Erosion Prediction Project (WEPP) model for the estimation of runoff and sediment on a monthly
time resolution. Environmental Earth Sciences, 74(7), 5827–5837. https://doi.org/10.1007/s12665-
015-4600-7
Al-omari, A. S., Karablieh, E. K. A., Al-houri, Z. M., Salman, A. Z., y Al-weshah, R. A. (2015).
IRRIGATION WATER MANAGEMENT IN. Fresenius Environmental Bulletin, 24(4), 1176–1188.
Angarita, H., Wickel, A. J., Sieber, J., Chavarro, J., Maldonado-Ocampo, J. A., Herrera-R, G. A., …
Purkey, D. (2018). Basin-scale impacts of hydropower development on the Mompós Depression
wetlands, Colombia. Hydrology and Earth System Sciences, 22(5), 2839–2865.
https://doi.org/10.5194/hess-22-2839-2018
Arnold, J. G., Kiniry, J. R., Srinivasan, R., Williams, J. R., Haney, E. B., y Neitsch, S. L. (2012). Soil and
Water Assessment Tool: Input/Output Documentation, Version 2012. Texas Water Resources
Institute, 76502(254).
Arnold, J. G., Moriasi, D. N., Gassman, P. W., Abbaspour, K. C., White, M. J., Srinivasan, R., … Jha, M.
K. (2012). Swat: Model Use, Calibration, and Validation. Transactions of the ASABE, 55(4), 1491–
1508. https://doi.org/ISSN 2151-0032
Arnold, J. G., Srinivasan, R., Muttiah, R. S., y Williams, J. R. (1998). Large area hydrologic modeling
and assessment part I: Model Development. Journal of the American Water Resources
Association, 34(1), 73–89. https://doi.org/10.1111/j.1752-1688.1998.tb05962.x
Asce. (2000). A RTIFICIAL NEURAL NETWORKS IN HYDROLOGY . Por el ASCE Task Committee en
Application of Artificial Neural Networks in Hydrology 1. Journal Of Hydrologic Engineering, 5(April),
115–123. https://doi.org/10.5121/ijsc.2012.3203
Assaf, H., y Saadeh, M. (2008). Assessing water quality management options in the Upper Litani Basin,
Lebanon, using an integrated GIS-based decision support system. Environmental Modelling and
Software, 23(10–11), 1327–1337. https://doi.org/10.1016/j.envsoft.2008.03.006
Baker, T. J., y Miller, S. N. (2013). Using the Soil and Water Assessment Tool (SWAT) to assess land
use impact on water resources in an East African watershed. Journal of Hydrology, 486, 100–111.
https://doi.org/10.1016/j.jhydrol.2013.01.041
Blanco, I. G., Várela, C. O., y Purkey, D. R. (2013). Integrated assessment of policy interventions for
promoting sustainable irrigation in semi-arid environments : A hydro-economic modeling approach.
Journal of Environmental Management, 128, 144–160.
Booij, M. J. (2002). Modelling the effects of spatial and temporal resolution of rainfall and basin model
on extreme river discharge. Hydrological Sciences Journal, 47(2), 307–320.
https://doi.org/10.1080/02626660209492932
Campo, L., Caparrini, F., y Castelli, F. (2006). Use of multi-platform, multi-temporal remote-sensing data
for calibration of a distributed hydrological model: An application in the Arno basin, Italy.
Hydrological Processes, 20(13), 2693–2712. https://doi.org/10.1002/hyp.6061
Canfield, H. E., Goodrich, D. C., y Burns, I. S. (2005). Selection of Parameters Values to Model Post-
Fire Runoff and Sediment Transport at the Watershed Scale in Southwestern Forests. Managing
Watersheds for Human and Natural Impacts, 1–12. https://doi.org/10.1061/40763(178)48
Cayan, D. R., Das, T., Pierce, D. W., Barnett, T. P., Tyree, M., y Gershunov, A. (2010). Future dryness
in the southwest US and the hydrology of the early 21st century drought. Proceedings of the
National Academy of Sciences, 107(50), 21271–21276. https://doi.org/10.1073/pnas.0912391107
Clark, C. O. (1945). Storage and the Unit Hydrograph. Transactions of the American Society of Civil
Engineers, 110(1), 1419–1446.
Crawford, N. H., y Linsley, R. K. (1966). Digital Simulation in Hydrology. En R. Wilby (Ed.), Contemporary
Hydrology (John Wiley, pp. 157–158). England: John Wiley and Sons.

51
Cunderlik, J. M. (2003). Hydrologic model selection for the CFCAS project: Assessment of Water
Resources Risk and Vulnerability to Changing Climatic Conditions. Project Report I. Ontario.
Darcy, H. (1856). Les fontaines publiques de la ville de Dijon. Paris: V. Dalmont.
Demertzi, Κ. Α., Papamichail, D. Μ., Georgiou, P. Ε., Karamouzis, D. N., y Aschonitis, V. G. (2014).
Assessment of rural and highly seasonal tourist activity plus drought effects on reservoir operation
in a semi-arid region of Greece using the WEAP model. Water International, 00(00), 1–12.
https://doi.org/10.1080/02508060.2013.848315
Devi, G. K., Ganasri, B. P., y Dwarakish, G. S. (2015). A Review on Hydrological Models. Aquatic
Procedia, 4, 1001–1007. https://doi.org/10.1016/j.aqpro.2015.02.126
Dos Santos, J. Y. G., Da Silva, R. M., Carvalho Neto, J. G., Montenegro, S. M. G. L., Santos, C. A. G.,
y Silva, A. M. (2014). Assessment of land-use change on streamflow using GIS, remote sensing
and a physically-based model, SWAT. Proceedings of the International Association of Hydrological
Sciences, 364(June), 38–43. https://doi.org/10.5194/piahs-364-38-2014
Droogers, P., y Bouma, J. (2014). Simulation modelling for water governance in basins. International
Journal of Water Resources Development, 30(3), 475–494.
https://doi.org/10.1080/07900627.2014.903771
Dun, S., Wu, J. Q., Elliot, W. J., Robichaud, P. R., Flanagan, D. C., Frankenberger, J. R., … Xu, A. C.
(2009). Adapting the Water Erosion Prediction Project (WEPP) model for forest applications.
Journal of Hydrology, 366(1–4), 46–54. https://doi.org/10.1016/j.jhydrol.2008.12.019
Flanagan, D. C., Ascough, J. C., Nicks, A. D., Nearing, M. A., y Laflen, J. M. (1995). Chapter 01.
Overview of the WEPP erosion prediction model. Water Erosion Prediction, (July), 1–12.
Consultado desde
http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=5E20868E47A0FC6F7D262066CE0313
EA?doi=10.1.1.110.3514&rep=rep1&type=pdf
Flanagan, D. C., Frankenberger, J. R., y Ascough, J. C. (2012). WEPP: Model use, calibration, and
validation. Transactions of the ASABE, 55(4), 1463–1477.
Flanagan, D. C., Gilley, J. E., y Franti, T. G. (2007). Water Erosion Prediction Project (WEPP):
Development history, model capabilities, and future enhancements. Transactions of the ASABE,
50(August 1985), 1603–1612.
Foltz, R. B., Copeland, N. S., y Elliot, W. J. (2009). Reopening abandoned forest roads in northern Idaho,
USA: Quantification of runoff, sediment concentration, infiltration, and interrill erosion parameters.
Journal of Environmental Management, 90(8), 2542–2550.
https://doi.org/10.1016/j.jenvman.2009.01.014
FutureWater. (2014). HI-AWARE: Himalayan Adaptation, Water and Resilience. Consultado desde
https://www.futurewater.eu/projects/hi-aware/
FutureWater. (2015). Central Asia Regional Risk Assessment for Water Related Energy Sector Impacts.
Consultado desde https://www.futurewater.eu/projects/central-asia-water-energy/
Gao, H., Tang, Q., Shi, X., Zhu, C., y Bohn, T. (2009). Water budget record from Variable Infiltration
Capacity (VIC) model. Algorithm Theoretical Basis Document for Terrestrial Water Cycle Data
Records, (Vic), 120–173. Consultado desde
http://eprints.lancs.ac.uk/89407/1/Gao_et_al_VIC_2014.pdf
Giannikopoulou, A. S., Gad, F. K., Kampragou, E., y Assimacopoulos, D. (2017). Risk-Based
Assessment of Drought Mitigation Options: the Case of Syros Island, Greece. Water Resources
Management, 31(2), 655–669. https://doi.org/10.1007/s11269-015-1057-0
Goodrich, D. C., Burns, I. S., Unkrich, C. L., Semmens, D. J., Guertin, D. P., Hernandez, M., … Levick,
L. R. (2012). Kineros2/AGWA: model use, calibration, and validation. Transactions of the ASABE,
55(4), 1561–1574.
Goodrich, D. C., Guertin, D. P., Burns, I. S., Nearing, M. A., Stone, J. J., Wei, H., … Jolley, L. (2011).
AGWA: The Automated Geospatial Watershed Assessment Tool to Inform Rangeland
Management. Rangelands, 33(4), 41–47. https://doi.org/10.2111/1551-501X-33.4.41
Gosain, A. K., Mani, A., y Dwivedi, C. (2009). Hydrological Modelling-Literature Review.
Grønsten, H. A., y Lundekvam, H. (2006). Prediction of surface runoff and soil loss in southeastern
Norway using the WEPP Hillslope model. Soil and Tillage Research, 85(1–2), 186–199.
https://doi.org/10.1016/j.still.2005.01.008
Guertin, D. P., Goodrich, D. C., Burns, I. S., Korgaonkar, Y., Barlow, J., Scott Sheppard, B., … Kepner,
W. (Sin fecha). Automated Geospatial Watershed Assessment Tool (AGWA), 120–130.

52
Ha, L. T., Bastiaanssen, W. G. M., Griensven, A. van, Dijk, A. I. J. M. van, y Senay, G. B. (2018).
Calibration of Spatially Distributed Hydrological Processes and Model Parameters in SWAT Using
Remote Sensing Data and an Auto-Calibration Procedure: A Case Study in a Vietnamese River
Basin. Water, 10(2), 212. https://doi.org/10.3390/w10020212
Haddeland, I., Lettenmaier, D. P., y Skaugen, T. (2006). Effects of irrigation on the water and energy
balances of the Colorado and Mekong river basins. Journal of Hydrology, 324(1–4), 210–223.
https://doi.org/10.1016/j.jhydrol.2005.09.028
Haddeland, I., Skaugen, T., y Lettenmaier, D. P. (2006). Anthropogenic impacts on continental surface
water fluxes. Geophysical Research Letters, 33(8), 2–5. https://doi.org/10.1029/2006GL026047
Halefom, A., Sisay, E., Khare, D., Singh, L., y Worku, T. (2017). Hydrological modeling of urban
catchment using semi-distributed model. Modeling Earth Systems and Environment, 3(2), 683–
692. https://doi.org/10.1007/s40808-017-0327-7
Hamad, J., Eshtawi, T., Abushaban, A., y Habboub, M. (2012). Modeling the Impact of Land-Use Change
on Water Budget of Gaza Strip. Journal of Water Resource and Protection, 04(06), 325–333.
https://doi.org/10.4236/jwarp.2012.46036
Hengade, N., y Eldho, T. I. (2016). Assessment of LULC and climate change on the hydrology of ashti
catchment, India using VIC model. Journal of Earth System Science, 125(8), 1623–1634.
https://doi.org/10.1007/s12040-016-0753-3
Horton, R. E. (1940). AN APPROACH TOWARD A PHYSICAL INTERPRETATION OF INFILTRATION-
CAPACITY. SOIL SCIENCE SOCIETY PROCEEDINGS, 5, 399–417.
Hunink, J., Eekhout, J., Vente, J., Contreras, S., Droogers, P., y Baille, A. (2017). Hydrological Modelling
using Satellite-Based Crop Coefficients: A Comparison of Methods at the Basin Scale. Remote
Sensing, 9(2), 174. https://doi.org/10.3390/rs9020174
IPCC. (2014). Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to
the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Core Writing
Team, R.K. Pachauri and L.A. Meyer. https://doi.org/10.1017/CBO9781107415324.004
Jaber, H. S., Mansor, S., Pradhan, B., y Ahmad, N. (2016). Rainfall–runoff modelling and water balance
analysis for Al-Hindiyah barrage, Iraq using remote sensing and GIS. Geocarto International, 6049,
1–14. https://doi.org/10.1080/10106049.2016.1213889
Jahanshahi, A., Golshan, M., y Afzali, A. (2017). Simulation of the catchments hydrological processes in
arid , semi-arid and semi-humid areas. Desert, 1, 1–10.
Kamali, B., Abbaspour, K. C., y Yang, H. (2017). Assessing the Uncertainty of Multiple Input Datasets in
the Prediction of Water Resource Components. Water. https://doi.org/10.3390/w9090709
Kennedy, J. R., Goodrich, D. C., y Unkrich, C. L. (2013). Using the KINEROS2 Modeling Framework to
Evaluate the Increase in Storm Runoff from Residential Development in a Semiarid Environment.
Journal of Hydrologic Engineering, 18(6), 698–706. https://doi.org/10.1061/(ASCE)HE.1943-
5584.0000655
Kepner, W. G., Semmens, D. J., Hernandez, M., y Goodrich, D. C. (2009). Evaluating Hydrological
Response to Forecasted Land-Use Change: Scenario Testing with the Automated Geospatial
Watershed Assessment (AGWA) Tool. Interagency Conference on Research in the Watersheds,
(September), 8–11. Consultado desde http://epa.gov/esd/land-sci/pdf/77-84_Climate
manuscripts_Kepner.pdf
Kim, G. S., Lim, C. H., Kim, S. J., Lee, J., Son, Y., y Lee, W. K. (2017). Effect of national-scale
afforestation on forest water supply and soil loss in South Korea, 1971-2010. Sustainability
(Switzerland), 9(6). https://doi.org/10.3390/su9061017
Kou, L., Li, X., Lin, J., y Kang, J. (2018). Simulation of Urban Water Resources in Xiamen Based on a
WEAP Model. Water, 10(6), 732. https://doi.org/10.3390/w10060732
Lall, U. (2014). Debates-The future of hydrological sciences: A (common) path forward? One water. One
world. Many climes. Many souls. Water Resources Research, 50(6), 5335–5341.
https://doi.org/10.1002/2014WR015402
Li, X., Zhao, Y., Shi, C., Sha, J., Wang, Z. L., y Wang, Y. (2015). Application of Water Evaluation and
Planning (WEAP) model for water resources management strategy estimation in coastal Binhai
New Area, China. Ocean and Coastal Management, 106, 97–109.
https://doi.org/10.1016/j.ocecoaman.2015.01.016
Liang, X., Lettenmaier, D. P., Wood, E. F., y Burges, S. J. (1994). A simple hydrologically based model
of land surface water and energy fluxes for general circulation models. Journal of Geophysical

53
 Research: Atmospheres, 99(D7), 14415–14428. https://doi.org/10.1029/94JD00483
Liang, X., y Xie, Z. (2001). A new surface runoff parameterization with subgrid-scale soil heterogeneity
for land surface models. Nonlinear Propagation of Multi-Scale Dynamics Through Hydrologic
Subsystems, 24(9–10), 1173–1193. https://doi.org/10.1016/S0309-1708(01)00032-X
Liang, X., Xie, Z., y Huang, M. (2003). A new parameterization for surface and groundwater interactions
and its impact on water budgets with the variable infiltration capacity (VIC) land surface model.
Journal of Geophysical Research, 108(D16), 8613. https://doi.org/10.1029/2002JD003090
Lohmann, D., Raschke, E., Nijssen, B., y Lettenmaier, D. P. (1998). Regional scale hydrology: I.
Formulation of the VIC-2L model coupled to a routing model. Hydrological Sciences Journal, 43(1),
131–141. https://doi.org/10.1080/02626669809492107
Lutz, A., Droogers, P., y Immerzeel, W. (2012). Climate change impact and adaptation on the water
resources in the Amu Darya and Syr Darya River basins. Report FutureWater, 31(May). Consultado
desde http://www.futurewater.nl/wp-content/uploads/2013/01/CC_Downstream_Report_V51.pdf
Lv, M., Hao, Z., Lin, Z., Ma, Z., Lv, M., y Wang, J. (2016). Reservoir operation with feedback in a coupled
land surface and hydrologic model: a case study of the Huai river basin , China. Journal of the
American Water Resources Association, 52(1), 168–183. https://doi.org/10.1111/1752-1688.12375
Maalim, F. K., Melesse, A. M., Belmont, P., y Gran, K. B. (2013). Modeling the impact of land use
changes on runoff and sediment yield in the le sueur watershed, minnesota using GeoWEPP.
Catena, 107, 35–45. https://doi.org/10.1016/j.catena.2013.03.004
Manning, R. (1891). On the flow of water in open channels and pipes. Transactions of the Institution of
Civil Engineers of Ireland, 20, 161–207.
Marshall, L., Nott, D., y Sharma, A. (2005). Hydrological model selection: A Bayesian alternative. Water
Resources Research, 41(10), 1–11. https://doi.org/10.1029/2004WR003719
Mekonnen, D. F., Duan, Z., Rientjes, T., y Disse, M. (2017). Analysis of the combined and single effects
of LULC and climate change on the streamflow of the Upper Blue Nile River Basin (UBNRB): Using
statistical trend tests, remote sensing landcover maps and the SWAT model. Hydrology and Earth
System Sciences, 1–26. https://doi.org/10.5194/hess-2017-685
Metobwa, G. O., Abdalah Mourad, K., y Ribbe, L. (2018). Water Demand Simulation Using WEAP 21: A
Case Study of the Mara River Basin, Kenya. International Journal of Natural Resource Ecology and
Management, 3(1), 9–18. https://doi.org/10.11648/j.ijnrem.20180301.12
Milad, J., Sobri, H., y Mohsen, S. (2012). A Review on Theoretical Consideration and Types of Models
in Hydrology. Journal Environmental Science and Technology, 249–261.
https://doi.org/10.3923/jest.2012.249.261
Miller, S. N., Kepner, W. G., Mehaffey, M. H., Hernandez, M., Miller, R. C., Goodrich, D. C., … Miller, W.
P. (2002). Integrating Landscape Assessment and Hydrologic Modeling for Land Cover Change
Analysis1. Journal of the American Water Resources Association, 38(4), 915–929.
https://doi.org/10.1111/j.1752-1688.2002.tb05534.x
Miller, S. N., Semmens, D. J., Goodrich, D. C., Hernandez, M., Miller, R. C., Kepner, W. G., & Guertin,
D. P. (2007). The Automated Geospatial Watershed Assessment tool. Environmental Modelling
and Software, 22(3), 365–377. https://doi.org/10.1016/j.envsoft.2005.12.004
Mulvaney, T. J. (1850). On the use of self-registering rain and flood gauges. Transactions of the
Institution of Engineers, 4(2), 1–8.
Naha, S., Thakur, P. K., y Aggarwal, S. P. (2016). Hydrological Modelling and data assimilation of
Satellite Snow Cover Area using a Land Surface Model, VIC. ISPRS - International Archives of the
Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B8(July), 353–360.
https://doi.org/10.5194/isprsarchives-XLI-B8-353-2016
Neitsch, S. L., Arnold, J. G., Kiniry, J. R., y Williams, J. R. (2011). Soil and Water Assessment Tool
Theoretical Documentation: Version 2009. Texas Water Resources Institute. Consultado desde
https://swat.tamu.edu/media/99192/swat2009-theory.pdf
Nguyen-Tien, V., Elliott, R. J. R., y Strobl, E. A. (2018). Hydropower generation, flood control and dam
cascades: A national assessment for Vietnam. Journal of Hydrology, 560, 109–126.
https://doi.org/10.1016/j.jhydrol.2018.02.063
Nilawar, A., Calderella, C., Lakhankar, T., Waikar, M., y Munoz, J. (2017). Satellite Soil Moisture
Validation Using Hydrological SWAT Model: A Case Study of Puerto Rico, USA. Hydrology, 4(4),
45. https://doi.org/10.3390/hydrology4040045
Orellana, B., Pechlivanidis, I. G., McIntyre, N., Wheater, H. S., y Wagener, T. (2008). A toolbox for the

54
 identification of parsimonious semi-distributed rainfall-runoff models: Application to the Upper Lee
catchment. IEMSs 2008: Integrating Sciences and Information Technology for Environmental
Assessment and Decision Making, 1, 670–677.
Pandey, A., Chowdary, V. M., Mal, B. C., y Billib, M. (2009). Application of the WEPP model for
prioritization and evaluation of best management practices in an Indian watershed. Hydrological
Processes, 23(21), 2997–3005. https://doi.org/10.1002/hyp.7411
Park, M. J., Ha, R., Kim, N. W., Lim, K. J., y Kim, S. J. (2014). Assessment of future climate and
vegetation canopy change impacts on hydrological behavior of Chungju dam watershed using
SWAT model. KSCE Journal of Civil Engineering, 18(4), 1185–1196.
https://doi.org/10.1007/s12205-013-0176-5
Pechlivanidis, I. G., Jackson, B. M., Mcintyre, N. R., y Wheater, H. S. (2011). Catchment Scale
Hydrological Modelling: A Review Of Model Types, Calibration Approaches And Uncertainty
Analysis Methods In The Context Of Recent Developments In Technology And Applications. Global
NEST Journal, 13(3), 193–214. https://doi.org/10.1002/hyp
Perez, M. B., Helmers, M. J., y Cruse, R. (2010). Modeling Phosphorus Transport in an Agricultural
Watershed Using the WEPP Model. J. Environ. Qual., 39(6), 2121–2129.
https://doi.org/10.2134/jeq2010.0121
Ragettli, S., Cortés, G., Mcphee, J., y Pellicciotti, F. (2014). An evaluation of approaches for modelling
hydrological processes in high-elevation, glacierized Andean watersheds. Hydrological Processes,
28(23), 5674–5695. https://doi.org/10.1002/hyp.10055
Raje, D., y Krishnan, R. (2012). Bayesian parameter uncertainty modeling in a macroscale hydrologic
model and its impact on Indian river basin hydrology under climate change. Water Resources
Research, 48(8), 1–17. https://doi.org/10.1029/2011WR011123
Saint Venant, de B. (1871). Theory of unsteady water flow, with application to river floods and to
propagation of tides in river channels. French Academy of Science, 73, 148–154, 237–240.
Savabi, M. R., y Williams, J. R. (1995). Chapter 05. Water Balance and Percolation. WEPP Model
Documentation, USDA Water Erosion Prediction Project: Hillslope Profile and Watershed Model
Documentation, (July), 14.
Sehgal, V., y Sridhar, V. (2018). Effect of hydroclimatological teleconnections on the watershed-scale
drought predictability in the southeastern United States. International Journal of Climatology,
38(February), e1139–e1157. https://doi.org/10.1002/joc.5439
SEI, S. E. I., y UC, U. de C. (2009). Modelación Hidrológica Y De Recursos Con El Modelo Weap.
Stockholm Environment Institute, Universidad Catolica de Chile, 86. Retrieved from
https://www.weap21.org/downloads/Guia_modelacion_WEAP_Espanol.pdf
Sharma, K. D., Sorooshian, S., y Wheater, H. (2008). Hydrological Modelling in Arid and Semi-Arid
Areas. New York: Cambridge University Press.
Sieber, J., y Purkey, D. (2015). Water Evaluation and Planing system (WEAP): User guide for WEAP
2015. Stockholm Environment Instiute (SEI), U.S.Center, (August), 392. Consultado desde
www.weap21.org/downloads/WEAP_User_Guide.pdf
Simons, G., y Droogers, P. (2015). Online Parcel-scale Irrigation Management in Romania : Spatio-
Temporal Soil Moisture Modeling Using SPHY. FutureWater, 31(July), 1–18.
https://doi.org/10.13140/RG.2.1.3118.1283
Singh, P., Wu, J. Q., McCool, D. K., Dun, S., Lin, C.-H., y Morse, J. R. (2009). Winter Hydrologic and
Erosion Processes in the U.S. Palouse Region: Field Experimentation and WEPP Simulation.
Vadose Zone Journal, 8(2), 426. https://doi.org/10.2136/vzj2008.0061
Singh, V. (1995). Computer models of watershed hydrology. (V. P. Singh, Ed.). Colorado, EE.UU.: Water
Resources Publications, LLC.
Singh, V. P. (2018). Hydrologic modeling: progress and future directions. Geoscience Letters, 5(1), 1–
18. https://doi.org/10.1186/s40562-018-0113-z
Singh, V. P., y Frevert, D. K. (2010). Watershed Models. (V. P. Singh y D. K. Frevert, Eds.). Florida:
Taylor & Francis Group.
SPHY. (2019). Spatial Processes in Hydrology. Consultado el 20 de Junio, 2019, desde
http://www.sphy.nl/software/
Srinivasan, R., y Arnold, J. G. (1994). Integration of a basin-scale water quality model with GIS. Journal
of the American Water Resources Association, 30(3), 453–462. https://doi.org/10.1111/j.1752-
1688.1994.tb03304.x

55
Sun, L., Pan, B., Gu, A., Lu, H., y Wang, W. (2018). Energy–water nexus analysis in the Beijing–Tianjin–
Hebei region: Case of electricity sector. Renewable and Sustainable Energy Reviews, 93(April),
27–34. https://doi.org/10.1016/j.rser.2018.04.111
SWAT. (2019). Soil & Water Assessment Tool. Consultado el 20 de Junio, 2019, desde
https://swat.tamu.edu/software/
Terink, W., y Khanal, S. (2016). SPHY: Spatial Processes in Hydrology. Advanced training: input data ,
sensitivity analysis , model calibration , and scenario analyses. FutureWater, 31(November), 1–44.
Terink, W., Lutz, A. F., Simons, G. W. H., Immerzeel, W. W., y Droogers, P. (2015). SPHY v2.0: Spatial
Processes in HYdrology. Geoscientific Model Development, 8(7), 2009–2034.
https://doi.org/10.5194/gmd-8-2009-2015
Teshager, A. D., Gassman, P. W., Secchi, S., Schoof, J. T., y Misgna, G. (2016). Modeling Agricultural
Watersheds with the Soil and Water Assessment Tool (SWAT): Calibration and Validation with a
Novel Procedure for Spatially Explicit HRUs. Environmental Management, 57(4), 894–911.
https://doi.org/10.1007/s00267-015-0636-4
Thang, L. V., Khoi, D. N., y Phi, H. L. (2018). Impact of Climate Change on Water Quality in the Upper
Dong Nai River Basin, Vietnam. SHF, 1, 70–79. https://doi.org/10.1051/lhb/2018010
Toure, A., Diekkrüger, B., Mariko, A., y Cissé, A. (2017). Assessment of Groundwater Resources in the
Context of Climate Change and Population Growth: Case of the Klela Basin in Southern Mali.
Climate, 5(3), 45. https://doi.org/10.3390/cli5030045
Tuo, Y., Marcolini, G., Disse, M., y Chiogna, G. (2018). Calibration of snow parameters in SWAT:
comparison of three approaches in the Upper Adige River basin (Italy). Hydrological Sciences
Journal, 63(4), 657–678. https://doi.org/10.1080/02626667.2018.1439172
Udias, A., Pastori, M., Malago, A., Vigiak, O., Nikolaidis, N. P., y Bouraoui, F. (2018). Identifying efficient
agricultural irrigation strategies in Crete. Science of the Total Environment, 633, 271–284.
https://doi.org/10.1016/j.scitotenv.2018.03.152
USDA-ARS, S. W. R. C. T. A., US-EPA, O. of R. and D. L. V. N., & UWREWML, U. of W. R. E. and W.
M. L. (Sin fecha). Automated Geospatial Watershed Assessment Tool (AGWA). Retrieved from
https://www.tucson.ars.ag.gov/agwa/download/documentation/agwa_3.x_user_guide.pdf
Usha, B., y Mudgal, B. V. (2015). Climate variability and its impacts on runoff in the Kosasthaliyar sub-
basin, India. Earth Sciences Research Journal, 18(1), 45–49.
https://doi.org/10.15446/esrj.v18n1.39966
VIC. (2019). Variable Infiltration Capacity. Consultado el 20 de Junio, 2019, desde
https://vic.readthedocs.io/en/latest/SourceCode/Code/
Vieux, B. E. (2016). Distributed Hydrologic Modeling Using GIS, Third Edition. (Springer, Ed.) (Third Edit,
Vol. 48). https://doi.org/10.1007/1-4020-2460-6
Wagnitz, P., Núñez, J., y Ribbe, L. (2014). Cost of environmental flow during water scarcity in the arid
Huasco River basin, northern Chile. Hydrological Sciences Journal, 59(3–4), 700–712.
https://doi.org/10.1080/02626667.2014.892599
Wang, G. Q., Zhang, J. Y., Jin, J. L., Pagano, T. C., Calow, R., Bao, Z. X., … Yan, X. L. (2012). Assessing
water resources in China using PRECIS projections and a VIC model. Hydrology and Earth System
Sciences, 16(1), 231–240. https://doi.org/10.5194/hess-16-231-2012
Wang, R., Bowling, L. C., y Cherkauer, K. A. (2016). Estimation of the effects of climate variability on
crop yield in the Midwest USA. Agricultural and Forest Meteorology, 216, 141–156.
https://doi.org/10.1016/j.agrformet.2015.10.001
WEAP. (2019). Water Evaluation And Planning. Consultado el 20 de Junio, 2019, desde
https://www.weap21.org/index.asp?action=40
Wehling, M. (2014). Online parcel oriented irrigation advice. FutureWater, 31(0). Consultado desde
https://www.futurewater.nl/wp-content/uploads/2014/07/Bachelor_thesis_mwehling_final.pdf
WEPP. (2019). Water Erosion Prediction Project. Consultado el 20 de Junio, 2019, desde
https://www.ars.usda.gov/midwest-area/west-lafayette-in/national-soil-erosion-
research/docs/wepp/wepp-downloads/
Wheater, H. S., Jakeman, A. J., Beven, K. J., Beck, M. B., y McAleer, M. J. (1993). Progress and
directions in rainfall-runoff modelling. De A. J. Jakeman, M. B. Beck, y M. J. McAleer (Eds.),
Modelling change in environmental systems (John Wiley, pp. 101–132). New York: John Wiley and
Sons.
Wheeler, T., y Von Braun, J. (2013). Climate change impacts on global food security. Science,

56
 341(6145), 508–513. https://doi.org/10.1126/science.1239402
Xu, X., Li, J., y Tolson, B. A. (2014). Progress in integrating remote sensing data and hydrologic
modeling. Progress in Physical Geography, 38(4), 464–498.
https://doi.org/10.1177/0309133314536583
Yang, G., Bowling, L. C., Cherkauer, K. A., y Pijanowski, B. C. (2011). Landscape and Urban Planning
The impact of urban development on hydrologic regime from catchment to basin scales. Landscape
and Urban Planning, 103(2), 237–247. https://doi.org/10.1016/j.landurbplan.2011.08.003
Yüksel, A., Akay, A. E., Gundogan, R., Reis, M., y Cetiner, M. (2008). Application of GeoWEPP for
determining sediment yield and runoff in the Orcan Creek watershed in Kahramanmaras, Turkey.
Sensors, 8(2), 1222–1236. https://doi.org/10.3390/s8021222
Zhang, X. C., y Liu, W. Z. (2005). Simulating potential response of hydrology, soil erosion, and crop
productivity to climate change in Changwu tableland region on the Loess Plateau of China.
Agricultural and Forest Meteorology, 131(3–4), 127–142.
https://doi.org/10.1016/j.agrformet.2005.05.005
Zhang, X. C., y Nearing, M. A. (2005). Impact of climate change on soil erosion, runoff, and wheat
productivity in central Oklahoma. Catena, 61(2-3 SPEC. ISS.), 185–195.
https://doi.org/10.1016/j.catena.2005.03.009
Zhang, X. C., Luo, Y., y Goh, K. S. (2018). Modeling spray drift and runoff-related inputs of pesticides to
receiving water. Environmental Pollution, 234, 48–58. https://doi.org/10.1016/j.envpol.2017.11.032
Zhao, Q., Ye, B., Ding, Y., Zhang, S., Yi, S., Wang, J., … Han, H. (2013). Coupling a glacier melt model
to the Variable Infiltration Capacity (VIC) model for hydrological modeling in north-western China.
Environmental Earth Sciences, 68(1), 87–101. https://doi.org/10.1007/s12665-012-1718-8

57
3 CARACTERIZACIÓN MORFOMÉTRICA DE CUENCAS

3.1 INTRODUCCIÓN

La morfometría es la parte de la hidrología que estudia la superficie terrestre a partir

de la medición y el análisis matemático de los parámetros geográficos como la forma
y dimensiones de los accidentes geográficos, proporcionando una descripción
cuantitativa del sistema de drenaje dentro de la cuenca (Clarke, 1966). El análisis
morfométrico es un aspecto importante para entender el comportamiento hidrológico
de cuencas, pues varios parámetros hidrológicos están relacionados con
características geográficas como la forma, tamaño, pendiente y densidad de drenaje
(Magesh, Chandrasekar, y Kaliraj, 2012; Nag y Chakraborty, 2003; Sahu et al., 2017).
Por ejemplo, la forma y longitud de la cuenca influyen sobre el tiempo de concentración
de los flujos de corrientes (Jones, 1997).

La historia de la morfometría descrita detalladamente por Zavoianu (1985) muestra

que la medición de los elementos de la superficie se ha remontado desde una edad
temprana de la humanidad, iniciando con mediciones sencillos y prácticos. Durante el
Renacimiento se establecían observación cualitativa de perfiles longitudinales de los
ríos tomando la forma de una curva cóncava. Durante el siglo XVIII se desarrollaron
estudios sobre los continentes obteniendo un índice de circularidad mediante la
comparabilidad entre áreas de los continentes y el área de un círculo, y mediante la
medición altitudes, se obtenía las alturas medias para los continentes. Posteriormente
en 1854, se establecía por primera vez el principio de la curva hipsométrica donde se
demostraba que el relieve se debe dividir en secciones horizontales para asimilar las
alturas.

Los primeros usos de elementos morfométricos aplicados a la hidrología se

presentaron a finales del siglo XIX, tomando mayor fuerza durante principios del siglo
XX, por primera vez por Horton durante los años cuarenta, y Strahler durante los años
cincuenta. Horton introdujo el sistema de clasificación de redes de canales (1932,
1945), estableciendo las leyes de desarrollo para las redes fluviales. Posteriormente,
Strahler (1952) basado en lo propuesto por Horton mejoró el sistema para el análisis

58
de redes bajo fundamentos teóricos y matemáticos, dando lugar al sistema de
clasificación de corrientes más usado en la actualidad (Zavoianu, 1985).

La escorrentía está influenciada en cierta medida de sus características morfométricas

de las cuencas hidrográficas (Abdulkareem, Pradhan, Sulaiman, y Jamil, 2018). Si bien
las características y el uso del suelo influyen sobre la infiltración, la producción de
escorrentía de una lluvia se rige por las propiedades morfométricas de la cuenca
(Oyatayo, Bello, Ndabula, Godwill, y Ademola, 2017). El análisis detallado de los
parámetros de drenaje es de gran ayuda para comprender la influencia de la
morfometría en la escorrentía superficial, el patrón de drenaje y su respuesta
hidrológica, útiles en la determinación de crecidas repentinas (Ashmawy, El-Wahed,
Kamh, y Azim, 2014).

Actualmente, el uso de Modelos Digitales de Elevación (MDE) y técnicas de Sistemas

de Información Geográfica (SIG) son utilizados en la determinación de parámetros
morfométricos de cuencas, ya que proporcionan una herramienta poderosa y flexible
para la manipulación y el análisis de grandes cantidades de información (Vaidya,
Kuniyal, y Chauhan, 2013), los cuales permiten ventajas operativas y de calidad, en
términos de velocidad, precisión, rapidez y economía en el cálculo de los parámetros
morfométricos (Ozdemir y Bird, 2009). Actualmente, la mayoría de los SIG disponen
de algoritmos morfométricos definidos que permiten la determinación automática de
varios parámetros morfométricos, aumentado la eficiencia y reduciendo el tiempo y la
severidad para su obtención (Oyatayo et al., 2017; Schmidt y Dikau, 1999).

El presente capítulo tiene por objetivo adquirir y analizar diez propiedades

morfométricas asociados con la forma, relieve y drenaje, y su relación con la hidrología
para dos cuencas contrastantes de México, la cuenca Alta del Río Conchos (RC) en
Chihuahua y la cuenca de Río Tehuantepec (RT) en Oaxaca, mediante el uso del
Modelo Digital de Elevación (MDE), técnicas SIG y métodos desarrollados por autores
para el cálculo de parámetros morfométricos.

59
3.2 ZONA DE ESTUDIO

3.2.1 Cuenca Alta del Río Conchos

La cuenca Alta del Río Conchos se encuentra en la región noroeste de la República

mexicana dentro de la región hidrológica RH24 Bravo-Conchos. La subcuenca Alta,
que pertenece a la gran cuenca del Río Conchos, se localiza en las coordenadas
geográficas 28° 11’’ 41.75’ y 26° 3’’ 6.95’ latitud norte y -107° 49’’ 11.85’ y -105° 17’’
52.29’ longitud oeste, entre los estados de Durango (7%) y Chihuahua (93%) (Figura
3.1). A través del Río Conchos, la cuenca drena aproximadamente el 9% de área total
de la región hidrológica Bravo-Conchos. La cuenca presenta un clima seco-semiseco
templado (38.71%), semifrío subhúmedo (28.63%), templado subhúmedo (20.49%) y
semicálido (12.16%) (INEGI, 2008), temperatura media anual 14° C (INEGI, 2007),
precipitación media anual de 700 mm (INEGI, 2006) y vegetación de bosque de encino,
mezquite y pino, pastizales y matorrales principalmente (INEGI, 2017).

Figura 3.1. Ubicación de la cuenca Alta del Río Conchos.

60
3.2.2 Cuenca Río Tehuantepec

La cuenca del Río Tehuantepec se ubica en la región suroeste de la república, dentro

de la región hidrológica RH22 Tehuantepec. Se localiza en las coordenadas
geográficas 17° 2’’ 41.39’ y 16° 4’’ 52.47’ latitud norte y -96° 41’’ 33.62’ y -95° 19’’
42.72’ longitud oeste, dentro del estado de Oaxaca (Figura 3.2). La cuenca del Río
Tehuantepec drena 10.72% del territorio estatal, teniendo como principal afluente al
Río Tehuantepec que vierte sus aguas al Océano Pacifico. La región presenta clima
semicálido-cálido seco (47.64%), templado subhúmedo-húmedo (33.79%), semicálido
subhúmedo (12.95%) y cálido subhúmedo (5.62%) (INEGI, 2008), una temperatura
media anual 20° C (INEGI, 2007), precipitación media anual de 900 mm (INEGI, 2006)
y vegetación selva caducifolia, pastizales y bosques de pino, oyamel, encino y mesófilo
de montaña, principalmente (INEGI, 2017).

Figura 3.2. Ubicación de la cuenca Río Tehuantepec.

61
3.3 FUENTES DE INFORMACIÓN

Para el cálculo de los parámetros morfométricos se utilizó el modelo digital de

elevaciones (MDE) proporcionado por el Instituto Nacional de Estadística y Geografía
(INEGI, edición 2013), en formato Ráster (.tiff) con escala 1:50,000 (resolución de 30
m), e hidrografía vectorial proporcionada por CONAGUA (edición, 2010), los cuales
fueron reproyectados de acuerdo a la zona que pertenece cada cuenca, referencia
espacial WGS_1981_UTM_Zone_13N para la cuenca Alta del Río Conchos y
WGS_1981_UTM_Zone_14N para la cuenca Río Tehuantepec, ambos casos basados
en el Datum D_WGS_1984 mediante el software SIG de acceso libre, QGIS. Esta
información se utilizó para delimitar cada cuenca mediante las herramientas integradas
en QGIS y obtener los parámetros morfométricos que a continuación se describen.

3.4 CÁLCULO DE PARÁMETROS MORFOMÉTRICOS

La Tabla 3.1 muestra la ecuación de cálculo para las características morfométricas

obtenidas en el presente estudio, así como una breve descripción de su uso o
interpretación. Las características morfométricas obtenidas en el software fueron área,
perímetro, longitud axial de la cuenca, elevación máxima, mínima, altitud media y
pendiente media de la cuenca, curva hipsométrica, así como la elevación máxima,
mínima, y longitud del cauce principal, orden de corrientes y longitud de la red hídrica.

62
 Tabla 3.1. Fórmulas para el cálculo de parámetros morfométricos.
Parámetro Ecuación Variables Uso o Interpretación Referencia
Donde:
𝐴 Superficie plana delimitada por los Permite establecer una primera clasificación
Obtenida mediante
Perímetro bordes del perímetro de la cuenca de entre diversas cuencas de acuerdo a su
herramientas de cálculo en -
Área drenaje [km2] tamaño. Además, el área es la más utilizada
software QGIS
𝑃 Límite exterior de la cuenca de para el cálculo de parámetros (Jardí, 1985).
drenaje [km].
Parámetros de forma
Donde: Predice cuan alargada puede ser la cuenca e
Factor de 𝐴 𝐹𝑓 Factor de forma [adimensional] indicar la forma del hidrograma debido a Horton
forma 𝐹𝑓 = 2 𝐴 Área de la cuenca [km2] crecientes. La forma de una cuenca influye en (1945)
𝐿
𝐿 Longitud máxima de la cuenca [km] la intensidad de la escorrentía.
Donde: Alejarse del valor de uno indicaría una forma
𝑃 𝑃 𝐶𝑐 Coeficiente de compacidad ovalada de la cuenca, mientras que de manera
Coeficiente de Gravelius
𝐶𝑐 = = 0.28 [adimensional] contraria su forma será más redonda, indicando
compacidad 2√𝜋𝐴 √𝐴 (1914)
𝑃 Perímetro de la cuenca [km] fuerte concentración de volumen de escorrentía
𝐴 Área de la cuenca [km2] (Gravelius, 1914).
Donde:
Valores cercanos a 0 indican forma alargada
𝑅𝑒 Índice de elongación [adimensional]
Razón de 𝐷 √𝐴 mientras que cercanos a 1 indican forma Schumn
𝑅𝑒 = = 1.128 𝐷 Diámetro de la cuenca [km]
elongación 𝐿 𝐿 2 redonda, generalmente asociados con alto (1956)
𝐴 Área de la cuenca [km ]
relieve y pendiente inclinada (Strahler, 1964).
𝐿 Longitud máxima de la cuenca [km]
Parámetros de relieve
Relacionado con el ciclo de erosión de cuencas
con potenciales evolutivos diferentes; fase de
Relación gráfica entre área y altitud de
Obtenida mediante desequilibrio (juventud), fase de equilibrio
Curva una cuenca: Área entre curvas de nivel Strahler
herramientas de cálculo en (madurez) y una fase monadnock (vejez)
hipsométrica [%] y elevación entre curvas de nivel (1952)
software QGIS. (Figura 3.2). Se puede identificar la etapa de
[msnm]
desarrollo de la cuenca hidrográfica y evaluar
los procesos de denudación.
Característica importante que específica de la
forma de la superficie terrestre donde se
Pendiente Obtenida mediante manifiesta el fenómeno erosivo (Pareta y
media de la herramientas de cálculo en Pendiente media de la cuenca [%] Pareta, 2011). Además, controla la velocidad de -
cuenca software QGIS. la escorrentía.

63
 Parámetro Ecuación Variables Uso o Interpretación Referencia
Parámetros de relieve
Parámetro fisiográfico que mide la variación de
Elevación Obtenida mediante
elevaciones sobre una cuenca. La elevación
media de la herramientas de cálculo en Elevación media [m.s.n.m.] -
media se considera como el promedio de
cuenca software QGIS.
altitudes de la superficie de la cuenca.
Parámetros de drenaje
Los flujos permanentes más pequeños se
llaman "primer orden". Dos flujos de primer
orden se unen para formar un flujo mayor de
Obtenida mediante
Orden de segundo orden, dos flujos de segundo orden se Strahler
herramientas de cálculo en Rango jerárquico
corriente unen para formar un tercer orden, y así (1964)
software QGIS.
sucesivamente. Los flujos más pequeños que
ingresan a un flujo ordenado más alto no
cambian su número de inicio.
La densidad de drenaje es un parámetro que
indica la proximidad del espaciado de las
corrientes. La densidad de drenaje está
Donde:
𝐿𝑢 relacionada con las pendientes, la Horton
Densidad de 𝐷𝑑 Densidad de drenaje [km/km-2]
𝐷𝑑 = permeabilidad del suelo y la densidad de (1932,
drenaje 𝐴 𝐿𝑢 Longitud total de corrientes [km]
vegetación (Strahler, 1964). Una medida de la 1945)
𝐴 Área de la cuenca [km2]
textura de la red e indica el equilibrio entre el
poder erosivo del flujo terrestre y la resistencia
de los suelos y rocas superficiales.
La velocidad del escurrimiento de las corrientes
Donde:
2 de agua de una cuenca hidrográfica dependerá
𝑆 Pendiente media del cauce ppal.
Pendiente 𝐿 de la pendiente del cauce principal. Cuanto Taylor y
[m/m]
media de 𝑆= mayor sea el valor de la pendiente, mayor será Schwarz
𝑙1 𝑙 𝑙 𝐿 Longitud total del cauce [m]
cauce + 2 + ⋯+ 𝑚 la velocidad de flujo, generando un tiempo de (1952)
[√𝑆1 √𝑆1 √𝑆𝑚 ] 𝑙𝑚 Longitud del tramo [m]
respuesta menor para el desagüe de la cuenca
𝑆𝑚 Pendiente del tramo m [m/m]
como respuesta ante una tormenta.
Donde: El tiempo de concentración es utilizado
𝑡𝑐 Tiempo de concentración [h] ampliamente en diseños hidrológicos para la
Tiempo de 𝐿0.77 𝐿 Longitud total del cauce ppal. [m] estimación de descargas máximas de Kirpich
concentración 𝑡𝑐 = 0.000325 𝑆 Pendiente del cauce ppal. [m/m] escorrentía, asociados con la generación de (1940)
𝑆 0.385
hidrogramas unitarios y escurrimientos directos
(Fang et al., 2008).

64
3.4.1 Tamaño de la cuenca

Existe una clasificación del tamaño de cuenca basadas principalmente por el área de
la superficie de drenaje. La clasificación de tamaños de cuencas propuesta por
Campos (1992) es un ejemplo de clasificación definidas por el tamaño de la misma
(Tabla 3.2).

Tabla 3.2. Clasificación para el tamaño de cuencas (Campos, 1992).

Rangos de áreas Clasificación
Km2 Descripción
< 25 Microcuenca
25 – 250 Pequeña
250 – 500 Intermedia-pequeña
500 – 2,500 Intermedia-grande
2,500 – 5,000 Grande
> 5,000 Muy grande

La relación que existe entre el área y la hidrología de la cuenca es fundamental, ya

que a partir de la precipitación captada por el área de la cuenca, se puede obtener una
correlación lluvia-escorrentía y calcular parámetros hidrológicos de la cuenca, como el
coeficiente de escorrentía (Jardí, 1985).

3.4.2 Factor de forma (Ff)

De acuerdo con Horton (1945), el factor de forma se define como la relación entre el
área de la cuenca y el cuadrado de la longitud de la cuenca (Tabla 3.1). El factor de
forma puede indicar la intensidad del flujo de una cuenca. Una cuenca con un factor
de forma bajo, esta menos sujeta a crecientes con presencia de un pico de flujo más
plano durante más tiempo, mientras que un factor de forma mayor aumenta la
posibilidad de presentar crecientes repentinos con pico altos y en menor tiempo Horton
(1945).

3.4.3 Coeficiente de compacidad (Cc) o índice de Gravelius

En 1914, Gravelius propuso el coeficiente compacidad (Cc) que define la relación que
existe entre el perímetro de la cuenca de estudio con la de un círculo de la misma
superficie, Tabla 3.1 (Bendjoudi y Hubert, 2002; Gravelius, 1914). De acuerdo con las

65
clases de los valores de compacidad (Tabla 3.3), el valor adimensional resultante será
mayor a la unidad.

Tabla 3.3. Clases y rango de valores de compacidad (Gravelius, 1914).

Rangos de
Clase Forma de la cuenca
compacidad (Cc)
I 1.0 – 1.25 Redonda a oval-redonda
II 1.25 -1.50 Oval-redonda a oval-oblonga
III ≥ 1.50 Oval oblonga a rectangular-oblonga

3.4.4 Razón de elongación (Re)

El índice de razón de alargamiento o de elongación fue establecida por Schumn

(1956), el cual muestra la relación del diámetro de un círculo con la misma área de la
cuenca de estudio y su longitud máxima (Tabla 3.1). Los valores cercanos a 1.0 son
típicos de las regiones de bajo relieve, mientras que los de 0.6 a 0.8 generalmente se
asocian con alto relieve y pendiente inclinada (Strahler, 1964).

3.4.5 Curva hipsométrica

La curva hipsométrica es la relación gráfica entre área y la altitud de una cuenca,

desarrollada para emplear alturas y áreas proporcionales a fin de hacer que cada curva
sea comparable e independiente de las unidades (Strahler, 1952). Strahler destaca
que la relación que existe entre el área y la altitud muestra el estado evolutivo o estado
de equilibrio dinámico de la cuenca, por lo que, la elaboración de las curvas
hipsométricas muestra el ciclo erosivo y potencial evolutivo en el que se encuentra
cada cuenca (Figura 3.3).

El análisis hipsométrico es una herramienta eficaz para identificar la etapa de

desarrollo de la cuenca hidrográfica en un ciclo de erosión y para evaluar los procesos
de denudación que se han presentado sobre la superficie terrestre (Strahler, 1952). De
esta forma se consigue comprender las etapas erosivas y la edad relativa de los
sucesos geográficos de una cuenca, debido a la influencia de los factores climáticos,
geológicos y tectónicos (Ahmed y Rao, 2016).

66
 Figura 3.3. Curvas hipsométricas del ciclo de erosión de cuencas por Strahler (1952).

3.4.6 Pendiente media de la cuenca

La pendiente es una de las características importantes de la cuenca y específica la

forma de la superficie terrestre (Pareta y Pareta, 2011) donde se manifiesta el
fenómeno erosivo. La tipología que presenta el terreno de acuerdo a la pendiente
media fue definida por Strahler (1957) (Tabla 3.4).

Tabla 3.4. Clases comparativas de la pendiente media (Strahler, 1957).

Pendiente media
Tipología del terreno
[%]
< 0.5 Muy plano
0.5 - 1 Plano
1-3 Suave
3 – 12 Accidentado medio
12 - 20 Accidentado
20 - 50 Fuertemente accidentado
50 - 75 Escarpado
> 75 Muy escarpado

3.4.7 Densidad de drenaje

Está definido como longitud total de todas las corrientes en una cuenca de drenaje
dividida por el área total de la cuenca en unidades de km / km 2, Tabla 3.1 (Horton,
1932, 1945). La eficiencia de la red, a partir del factor de densidad, dependerá según
el clima, el tipo de rocas, el relieve, la capacidad de infiltración, la cubierta vegetal, la
rugosidad de la superficie y el índice de intensidad de la escorrentía.

67
 3.4.8 Pendiente media del cauce principal

La pendiente cause principal puede considerarse como un parámetro importante a la

hora conocer el grado de respuesta ante una tormenta. Una forma precisa para
aproximarse al valor real de la pendiente es mediante el criterio de Taylor y Schwarz
(1952), que consideran la longitud total del cauce principal en tramos de igual longitud
o por tramos de longitud variable (Tabla 3.1).

3.4.9 Tiempo de concentración

El tiempo de concentración (Tc) es el tiempo que necesita el escurrimiento superficial

para viajar desde el punto más distante hasta la salida de una cuenca hidrográfica
(Kirpich, 1940). Dentro de las fórmulas empíricas la ecuación de Kirpich (1940)
proporciona buena estimación de valores de tiempo de concentración, Tabla 3.1 (Fang,
Thompson, Cleveland, Pradhan, y Malla, 2008; Sharifi y Hosseini, 2011).

3.5 RESULTADOS

3.5.1 Parámetros de forma

Los resultados obtenidos (Tabla 3.5) muestran un área de 20,819.13 km 2 para la

cuenca Alta del Río Conchos (RC) y un área de 9,508.60 km2 para la cuenca de Río
Tehuantepec (RT). La clasificación de su tamaño basado en la superficie de la cuenca
indica que el área de ambas cuencas se clasifican como muy grandes (> 5,000 km 2)
(Campos, 1992).

Tabla 3.5. Mediciones directas de las características geométricas de las cuencas de estudio.
Longitud axial Coordenadas UTM Coordenadas UTM
Área Perímetro
Cuenca de la cuenca en X (Centroide) en Y (Centroide)
km2 km km m m
Alta R. Conchos
20,819.13 1,499.78 237.21 356,215.31 3’015,169.04
(RC)
R. Tehuantepec
9,508.60 655.83 136.28 175,830.53 1’832,246.31
(RT)

Con los valores de área, perímetro y longitud de la cuenca se determinaron los

parámetros de forma; coeficiente de compacidad (Cc), razón de elongación (Re) y
factor de forma (Ff), Tabla 3.6. El valor resultante del coeficiente de compacidad de

68
ambas cuencas resultó ser mayor a 1.50, indicando que las cuencas RC y RT
presentan forma oval-oblonga a rectangular-oblonga Clase III (Gravelius, 1914;
Campos, 1992). Los valores de compacidad 2.93 y 1.90 resultantes, indican que
debido a su forma ambas cuencas pueden estar menos sujetas a grandes crecientes
de escurrimiento, sin embargo, el valor Cc de la cuenca RT es menor, por lo que la
concentración de volumen de escurrimiento podría ser mayor que la concentración de
la cuenca RC.

Tabla 3.6. Parámetros de forma de las cuencas de estudio.

Coeficiente de Razón de Factor de
compacidad elongación forma
Cuenca
(Cc) (Re) (Ff)
Adimensional Adimensional Adimensional
Alta R. Conchos
2.93 0.37 0.37
(RC)
R. Tehuantepec
1.90 0.45 0.51
(RT)

Los valores de factor de forma para la cuenca RC y para la cuenca RT, así como los
valores de razón de elongación, indican que las cuecas presentan formas más
alargadas que redondas (Horton, 1945; Schumn, 1956). El factor de forma puede
indicar la intensidad del flujo de una cuenca, y al igual que el coeficiente de
compacidad, esta muestra que ambas cuencas de estudio están menos sujetas a
grandes avenidas repentinas (Gravelius, 1914; Horton, 1945). El valor Ff de 0.37 de la
cuenca RC muestra una cuenca alargada, indicando la presencia de picos de flujos
más planos y de mayor tiempo de duración, tal y como lo muestra Waikar y Nilawar
(2014) en su estudio para una cuenca en la India. Mientras que el valor Ff de 0.51 de
la cuenca RT podría ser semejante a la cuenca RC, con flujos de crecimiento
constantes y paulatino durante más tiempo.

Los valores de razón de elongación para la cuenca RC y RT resultaron de 0.37 y 0.45,

respectivamente. Los valores bajos de Re, indican que son cuencas alargadas con
pendientes moderadas a pronunciadas y con susceptibilidad moderada a la erosión,
generación y arrastre de sedimentos, que provocan la pérdida de suelo (Reddy, Maji,
y Gajbhiye, 2004; Strahler, 1964).

69
3.5.2 Parámetros de relieve

El modelo digital de elevaciones permitió estimar las elevaciones máximas y mínimas

de la cuenca, la altitud media predominante y la pendiente media de las cuencas, estos
indicadores son útiles para observar los fenómenos de erosión sobre la superficie de
la cuenca (Schumm, 1956). La variación de alturas sobre la cuenca RC indica una
altura media de 1,997.44 msnm con una pendiente media de 20.85% (Figuras 3.4a y
3.5a). A partir de la curva hipsométrica (Figura 3.6a) se determinó que el ciclo erosivo
y la etapa evolutiva para la cuenca RC es una fase de equilibrio o etapa de madurez
con tendencia a cuenca sedimentaria (Strahler, 1952), esto indica el desarrollo
geológico de la cuenca con presencia de paisajes moderadamente erosionados y
avances progresivos a la fase de sedimentación (fase de monadnock), de acuerdo a
lo reportado por Ahmed y Rao (2016). La cuenca presenta pendientes pronunciadas
en las partes más altas, pendientes moderadas en las zonas medias y pendientes
bajas en zonas de planicie. La elevación y pendiente media de la cuenca RT son de
1,324.38 msnm y 37.38% respectivamente (Figuras 3.4b y 3.5b). La curva
hipsométrica (Figura 3.6b) muestra que la cuenca se encuentra en la misma fase que
la cuenca RC, con pendientes pronunciadas (zonas altas), moderadas (zonas
intermedias) y bajas (en planicie), con tendencias progresivamente más avanzadas
hacia la fase de erosión, que la cuenca RC.

Tabla 3.7. Parámetros de relieve de las cuencas de estudio.

Cota Cota Altitud media Pendiente media
Cuenca máxima mínima de la cuenca de la cuenca
msnm msnm msnm %
Alta R. Conchos
3,282.00 1,294.00 1,997.44 20.85
(RC)
R. Tehuantepec
3,708.00 118.00 1,324.38 37.38
(RT)

70
 (a) (b)

Figura 3.4. Rango de elevaciones, (a) cuenca Alta del Río Conchos y (b) cuenca Río Tehuantepec.

(a) (b)

Figura 3.5. Rango de pendientes superficiales, (a) cuenca Alta del Río Conchos y (b) cuenca Río
Tehuantepec.

La pendiente media de ambas cuencas muestra la presencia de un terreno

accidentado a escarpado en gran parte de las cuencas, principalmente en las zonas
altas y medias, favoreciendo parcialmente a la escorrentía superficial, y por ende a la
generación y arrastre de sedimentos debido a la erosión. Aunque la presencia de
vegetación boscosa en zonas altas de ambas cuencas, y de vegetaciones dominantes
como pastizales, matorrales y selvas tipo caducifolia, pueden condicionar la regulación
y control de la escorrentía (Živković et al., 2015).

71
 (a) 3500 (b)
y= -1585.9x+2874.7 y= -2670.9x+2853.2
R2= 0.9414 3500 R2= 0.8983

3000
Elevación (msnm)

Elevación (msnm)
3000

2500
2500
2000
2000
1500

1500 1000

500
1000
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
Porcentaje Porcentaje
Figura 3.6. Curva hipsométrica, (a) cuenca Alta del Río Conchos y (b) cuenca Río Tehuantepec.

3.5.3 Parámetros hídricos

Los parámetros hídricos obtenidos son: el orden de corrientes, densidad de drenaje

(Dd), pendiente media del cauce principal y tiempo de concentración para cada una de
las cuencas.

(a) (b)

Figura 3.7. Mapa de orden de corrientes de la cuenca (a) Alta del Río Conchos y (b) Río Tehuantepec.

El sistema de jerarquía u orden de corrientes tomó las corrientes principales y

secundarias que integran cada cuenca, mostrando que la red de drenaje en ambas
cuencas es de séptimo orden (Figura 3.7). La cuenca RC presenta un total de 12,122
tramos de corrientes, de los cuales 6,072 son de primer orden, 2,865 de segundo

72
orden, 1,691 de tercer orden, 766 de cuarto orden, 380 de quinto orden, 203 de sexto
orden y 145 de séptimo orden, para una longitud total de red hídrica de 17,298.09 km.
Mientras que, la cuenca RT presenta un total de 5,439 tramos de corrientes, de los
cuales 2,724 son de primer orden, 1,316 de segundo orden, 679 de tercer orden, 271
de cuarto orden, 228 de quinto orden, 220 de sexto orden y 1 de séptimo orden, para
una longitud total de red hídrica de 7,338.63 km (Tabla 3.8). En ambos casos se
observa que el número de corrientes decrece secuencialmente, iniciando con los de
primer orden como los más dominantes hasta el orden más alto con el menor número.
Ambas cuencas son dominadas principalmente por corrientes de orden inferior, de
orden uno y dos principalmente.

Tabla 3.8. Análisis de corrientes de las cuencas de estudio.

Longitud de
Orden de corriente
Concepto red hídrica
1 2 3 4 5 6 7 Total
Cuenca Alta R. Conchos (RC)
No. De
6,072 2,865 1,691 766 380 203 145 12,122
corrientes
Longitud de
corrientes 8,478.99 4,449.92 2,497.00 1,022.64 468.56 228.44 152.54 17,298.09
(km)
Cuenca R. Tehuantepec (RT)
No. De
2,724 1,316 679 271 228 220 1 5,439
corrientes
Longitud de
corrientes 3,639.41 1,944.65 947.61 346.35 226.01 232.41 2.19 7,338.63
(km)

La respuesta de la cuenca ante una tormenta se analiza mediante la densidad de

drenaje (Horton, 1932, 1945). Los altos valores de densidad se relacionan con
regiones de subsuelo débil o impermeable, vegetación escasa y relieve montañoso.
La baja densidad de drenaje se relaciona con regiones con subsuelo permeable,
cobertura vegetal densa y relieve bajo (Strahler, 1964). Los valores obtenidos para las
cuencas RC y RT son de 0.83 km/km2 y de 0.77 km/km2 respectivamente (Tabla 3.9),
indicando para ambas cuencas un drenaje moderado con presencia de suelos
permeables, cubierta vegetal adecuada y relieve medio. La densidad de drenaje puede
establecer el tiempo que tarda los flujos en concentrarse a la salida de la cuenca
(Schumn, 1956). Los tiempos de concentración calculados para las cuencas RC y RT
fueron de 68.18 h (2.84 días) y 30.35 h (1.26 días) respectivamente (Tabla 3.9). El

73
tiempo de concentración de RC es 2.25 veces mayor que el tiempo de RT, ya sea por
diferencia en tamaños de área, pendientes o longitud de cauces.

Tabla 3.9. Parámetros hídricos de las cuencas de estudio.

Densidad de Tiempo de
Cuenca Drenaje (Dd) concentración
km / km-2 horas
Alta R. Conchos
0.83 68.18
(RC)
R. Tehuantepec
0.77 30.35
(RT)

Con la elevación máxima (inicio del cauce), elevación mínima (salida del cauce) y
longitud total se obtuvo la pendiente media del cauce principal. Sin embargo, a través
del criterio de Taylor-Schwarz se obtuvo la pendiente media más precisa, con el
seccionamiento del cauce principal en tramos iguales de 50 km (Tabla 3.10). La
pendiente media correspondiente al cauce principal de la cuenca RC y RT es de 2.8
m/km y 7.19 m/km respectivamente, no obstante, se diferencian pendientes a lo largo
del cauce (Figura 3.8). La pendiente media del cauce principal de la cuenca RT es 2.5
veces mayor que la pendiente de RC, mostrando que las pendientes en la cuenca RT
son moderadamente más grandes.

En ambos casos se observa el perfil del cauce principal con diferencia de pendientes
en tres segmentos importantes; parte alta del cauce con mayor pendiente, curso alto
y mayor presencia de erosión, parte media del cauce con pendiente y curso medio, y
el trasporte de sedimentos, y parte baja con presencia de baja pendiente, curso bajo y
depósito de sedimentos. La segmentación muestra que el cauce principal de la cuenca
RC presenta una pendiente mayor (7.32 m/km) durante los primeros 50 km,
posteriormente del km 50 al km 280 la pendiente disminuye (3.26 m/km) y finalmente
pasa a una pendiente de planicie (0.61 m/km) del km 280 al km 438. El cauce principal
de la cuenca RT presenta una pendiente mayor (13.50 m/km) durante los primeros 50
km, posteriormente del km 50 al km 210 la pendiente se reduce a la mitad (6.40 m/km)
y finalmente pasa a una pendiente baja (2.73 m/km) del km 210 al km 240.

74
 Tabla 3.10. Parámetros del cauce principal.
Longitud total Cota máxima Cota mínima Pendiente media
Cuenca
km msnm msnm m/km
Alta R. Conchos
437.99 2,557.55 1,294.00 2.88
(RC)
R. Tehuantepec
241.88 1,859.25 118.00 7.19
(RT)

Perfil del cauce Pendiente media

2000
Elevación (msnm)

y= -6.6679x+1553.4
(a) 1750
R2= 0.9648
1500
1250
1000
750
500
250
0
0 50 100 150 200 250
Longitud (km)
Elevación (msnm)

2500 y= -2.5148x+2218.2
(b) 2250 R2= 0.9089
2000
1750
1500
1250
1000
0 50 100 150 200 250 300 350 400 450
Longitud (km)
Figura 3.8. Perfil del cauce principal, (a) cuenca Río Tehuantepec y (b) cuenca Alta del Río Conchos.

Finalmente, los valores obtenidos de pendiente media de los cauces principales se

encuentran en un rango de pendiente suave, lo que significa que presentan bajo
gradiente, corriente serpenteante, meandros anchos e inundables, baja relación
ancho/profundidad, altamente sinuosos con bancos de vegetación, eficientes y
estables sobre las corrientes de agua que conducen (Rosgen, 1994).

75
3.6 CONCLUSIONES

Se obtuvieron y analizaron diez propiedades morfométricas asociadas con la forma,

relieve y drenaje, y su relación con la hidrología, específicamente la escorrentía
superficial para dos cuencas contrastantes de México; la cuenca Alta del Río Conchos
y la cuenca de Río Tehuantepec. El estudio muestra que las cuencas, a pesar de tener
diferencias de áreas, clima y ubicación geográfica, presentan algunas similitudes
dentro de los rangos establecidos por los autores para su clasificación/descripción
morfométrica (coeficiente de compacidad, ranzón de elongación, factor de forma,
pendiente media de la cuenca, curva hipsométrica y orden de corrientes), y otras
características que difieren e influyen de manera directa en el desagüe de las cuencas
(densidad de drenaje, pendiente media del cauce principal y tiempo de concentración),
por lo que, cualquier diferencia en el comportamiento hidrológico se debe otras
variables que intervienen en el escurrimiento.

Los parámetros de forma indican que ambas cuencas presentan formas alargadas,
provocando que estén menos sujetas a crecientes de picos altos repentinos ante una
tormenta, y más bien presenten escurrimientos de crecimiento constante y planos de
mayor tiempo de duración. Los paramétricos hídricos indican gran densidad de drenaje
en ambas cuencas de estudio, pronunciando la presencia de suelos con capacidad
permeable adecuada, cubierta vegetal y pendientes moderadas a pronunciadas, lo que
supondría su influencia de manera directa en la generación y drenaje de la escorrentía.
Los parámetros de relieve indican que las cuencas se encuentran en una fase de
evolución madura con tendencia a ser cuencas en fase de vejez (sedimentaria).
Además, las pendientes topográficas en ambas cuencas resultan ser favorables a la
escorrentía, sobre todo para las partes elevadas de las cuencas.

Por su gran tamaño de captación y drenaje, alta red hídrica y pendientes moderadas,
ambas cuencas pueden concentrar grandes cantidades de agua. Sin embargo, las
aguas son drenadas en forma paulatina debido a las pendientes del cauce principal y
otras características físicas que podrían influir en la generación de la escorrentía
superficial como; variabilidad de precipitaciones, densidad de cobertura vegetal, el tipo
de suelo y el uso de suelo.
76
3.7 REFERENCIAS. CARACTERIZACIÓN MORFOMÉTRICA

Abdulkareem, J. H., Pradhan, B., Sulaiman, W. N. A., y Jamil, N. R. (2018). Quantification of Runoff as
Influenced by Morphometric Characteristics in a Rural Complex Catchment. Earth Systems and
Environment, 2(1), 145–162. https://doi.org/10.1007/s41748-018-0043-0
Ahmed, F., y Rao, K. S. (2016). Hypsometric analysis of the Tuirini drainage basin: A Geographic
Information System approach. International Journal of Geomatics and Geosciences, 6(3), 1685–
1695.
Ashmawy, M., El-Wahed, M. A., Kamh, S., y Azim, F. A. (2014). Drainage Morphometry and Its Influence
on Runoff of El-Kouf Watershed, Ne, Libya– a Remote Sensing and Gis Approach. 2nd Scientific
Conf. for Environment and Sustainable Development in Arid and Semi-Arid Regions, Ajdabiya,
Libya, (January), 1–15.
Bendjoudi, H., y Hubert, P. (2002). Le coefficient de compacité de Gravelius: Analyse critique d’un indice
de forme des bassins versants. Hydrological Sciences Journal, 47(6), 921–930.
https://doi.org/10.1080/02626660209493000
Campos, A. (1992). Procesos del Ciclo Hidrológico. San Luis Potosí, México: Universidad Autónoma de
San Luis Potosí.
Clarke, J. I. (1966). Morphometry from maps, in Essays in Geomorphology. (G. H. Dury, Ed.), Elsevier.
New York, USA: Elsevier.
Fang, X., Thompson, D. B., Cleveland, T. G., Pradhan, P., y Malla, R. (2008). Time of concentration
estimated using watershed parameters determined by automated and manual methods. Journal of
Irrigation and Drainage Engineering, 134(2), 202–211. https://doi.org/10.1061/(ASCE)0733-
9437(2008)134:2(202)
Gravelius, H. (1914). Grundrifi der gesamten Gewcisserkunde. Band I: Flufikunde (Compendium of
Hydrology, Vol. I. Rivers, in German). Goschen, Berlin.
Horton, R. E. (1932). Drainage basin characteristics. Transactions of the American Geophysical Union,
13, 350–361.
Horton, R. E. (1945). Erosional Development of Streams and their Drainage Basins: A Hydrophysical
Approach to Quantitative Morphology. Geological Society of American Bulletin, 56(3), 275–370.
INEGI. (2006). Conjunto de datos vectoriales escala 1:1 000 000. Precipitación media anual. Edición
2006. Instituto Nacional de Estadística y Geografía. Consultado desde
https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825267544
INEGI. (2007). Conjunto de datos vectoriales escala 1:1 000 000. Temperatura media anual. Edición
2007. Instituto Nacional de Estadística y Geografía. Consultado desde
https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825267551
INEGI. (2008). Conjunto de datos vectoriales escala 1:1 000 000. Unidades climáticas. Edición 2008.
Instituto Nacional de Estadística y Geografía. Consultado desde
https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825267568
INEGI. (2017). “Conjunto de Datos Vectoriales de Uso de Suelo y Vegetación. Escala 1:250 000. Serie
VI (Capa Union)”, escala: 1:250 000. edición: 1. Instituto Nacional de Estadística y Geografía.
Aguascalientes, México. Consultado desde
http://www.conabio.gob.mx/informacion/metadata/gis/usv250s6gw.xml?_httpcache=yes&_xsl=/db
/metadata/xsl/fgdc_html.xsl&_indent=no
Jardí, M. (1985). Forma de una cuenca de drenaje. Análisis de las variables morfométricas que nos la
definen. Revista de Geografía, 19, 41–68.
Jones, J. A. A. (1997). Global Hydrology: Processes, Resources and Environmental Management.
Harlow, UK: Addison Wesley Longman.
Kirpich, Z. P. (1940). Time of concentration of small agricultural watersheds. Civil Engineering Journal,
10(6), 362–368.
Magesh, N. ., Chandrasekar, N., y Kaliraj, S. (2012). A GIS based automated extraction tool for the
analysis of basin Morphometry. Bonfring International Journal of Industrial Engineering and
Management Science, 2, 32–35. Consultado desde
https://s3.amazonaws.com/academia.edu.documents/33295239/Morpho_dynamics_modelling_BI
J-002-1320.pdf?response-content-disposition=inline%3B
filename%3DA_GIS_based_Automated_Extraction_Tool_fo.pdf&X-Amz-Algorithm=AWS4-
HMAC-SHA256&X-Amz-Credential=AKIAIWOWYY

77
Nag, S. K., y Chakraborty, S. (2003). Influence of Rock Types and Structures in the Development of
Drainage Network in Hard Rock Area. Journal of the Indian Society of Remote Sensing, 31(1), 25–
35.
Oyatayo, K. T., Bello, I., Ndabula, C., Godwill, G. J., y Ademola, S. J. (2017). A Comparative Analysis of
Drainage Morphometry on Hydrologic Characteristics of Kereke and Ukoghor Basins on Flood
Vulnerability in Makurdi Town, Nigeria. Hydrology, 5(3), 32–40.
https://doi.org/10.11648/j.hyd.20170503.11
Ozdemir, H., y Bird, D. (2009). Evaluation of morphometric parameters of drainage networks derived
from topographic maps and DEM in point of floods. Environmental Geology, 56(7), 1405–1415.
https://doi.org/10.1007/s00254-008-1235-y
Pareta, K., y Pareta, U. (2011). Quantitative Morphometric Analysis of a Watershed of Yamuna Basin,
India using ASTER (DEM) Data and GIS. International Journal of Geomatics and Geosciences,
2(1), 248–269.
Reddy, O. G. P., Maji, A. K., y Gajbhiye, S. K. (2004). Drainage morphometry and its influence on
landform characteristics in a basaltic terrain, Central India – a remote sensing and GIS approach.
Applied Water Science, 6(1), 1–16. https://doi.org/https://doi.org/10.1016/j.jag.2004.06.003
Rosgen, D. L. (1994). A classification of rivers. Catena, 22, 169–199. Consultado de
http://pages.geo.wvu.edu/~kite/Rosgen1994ClassificationRivers.pdf
Sahu, N., Obi Reddy, G. P., Kumar, N., Nagaraju, M. S. S., Srivastava, R., y Singh, S. K. (2017).
Morphometric analysis in basaltic Terrain of Central India using GIS techniques: a case study.
Applied Water Science, 7(5), 2493–2499. https://doi.org/10.1007/s13201-016-0442-z
Schmidt, J., y Dikau, R. (1999). Extracting Geomorphometric Attributes and Objects from Digital
Elevation Models – semantics, Methods, Future Needs. En R. Dikau y H. Saurer (Eds.), GIS for
Earth Surface Systems (pp. 153–173). Stuttgart: Gebrüder Borntraeger.
Schumm, S. A. (1956). Evolution of Drainage systems and Slopes in Badlands at Perth Amboy, New
Jersey. Geological Society of America Bulletin, (67), 597–646.
Sharifi, S., y Hosseini, S. M. (2011). Methodology for identifying the best equations for estimating the
time of concentration of watersheds in a particular region. Journal of Irrigation and Drainage
Engineering, 137(11), 712–719. https://doi.org/10.1061/(ASCE)IR.1943-4774.0000373
Strahler, A. N. (1952). Hypsometric (area‐altitude) analysis of erosional topography. Geological Society
of America Bulletin, 63, 1117‐1142.
Strahler, A. N. (1957). Quantitative Analysis of Watershed Geomorphology. Transactions, American
Geophysical Union, 38(6), 913–920.
Strahler, A. N. (1964). Quantitative geomorphology of drainage basins and channel networks. En
Handbook of Applied Hydrology (pp. 439–476). New York: McGraw Hill Book Company.
Taylor, A. B., y Schwarz, H. E. (1952). Unit-Hydrograph Lag and Peak Flow Related to Drainage Basin
Characteristics. Transactions, American Geophysical Union, 33, 235–246.
Vaidya, N., Kuniyal, J. C., y Chauhan, R. (2013). Morphometric analysis using Geographic Information
System (GIS) for sustainable development of hydropower projects in the lower Satluj river
catchment in Himachal Pradesh, India. International Journal of Geomatics and Geosciences, 3(3),
464–473.
Waikar, M. L., y Nilawar, A. P. (2014). Morphometric analysis of a drainage basin using geographical
information system : A case study. International Journal of Multidisciplinary and Current Research,
(2012), 179–184.
Zavoianu, I. (1985). Morphometry of Drainage Basins. Amsterdam: Elsevier Science Publishers.
Živković, N., Dragićević, S., Ristić, R., Novković, I., Djurdjić, S., Luković, J., … Jovanović, S. (2015).
Effects of vegetation on runoff in small river basins in Serbia. Fresenius Environmental Bulletin,
24(6), 2082–2089.

78
4 ANÁLISIS DEL CAMBIO DE USO DE SUELO EN LA CUENCA ALTA RÍO
CONCHOS Y RÍO TEHUANTEPEC

4.1 INTRODUCCIÓN

El término cobertura de suelo se refiere a las características físicas de la superficie

terrestre como vegetación, agua y suelos superficiales, así como estructuras y
asentamientos humanos (Bocco, Mendoza, y Masera, 2001; Rawat y Kumar, 2015); el
uso de suelo se relaciona con las actividades físicas, sociales y económicas que los
humanos generan sobre la cobertura terrestre para cubrir sus necesidades (Anderson,
Hardy, Roach, y Witmer, 1976; Soesbergen, 2016), con lo que se afecta la cobertura
terrestre y ocurren los cambios en la cobertura del suelo (Rawat y Kumar, 2015). Estos
cambios sobre la cobertura es la principal causa que impacta directamente sobre la
gestión de cuencas hidrográficas (Lal y Anouncia, 2015; Thakkar, Desai, Patel, y
Potdar, 2017).

Los principales factores que propician los cambios de cobertura terrestre son la
deforestación, la transformación de pastizales, la intensificación agrícola, la
urbanización y la globalización (Lambin et al., 2001), relacionados principalmente al
aumento de actividades humanas y aprovechamiento de recursos naturales, para
cubrir con las necesidades de una creciente demanda poblacional (Islam,
Jashimuddin, Nath, y Nath, 2018). Estas modificaciones, natural y antropogénicas, han
influido sobre los procesos hidrológicos de las cuencas (Kabanda y Palamuleni, 2013)
generando un impacto en la escorrentía al afectar la evaporación de la superficie, las
condiciones de humedad del suelo y la cantidad de agua atrapada por la cubierta de
la superficie (Peng, Yang, Li, y Zhang, 2014).

La medición de los cambios de cobertura y uso de suelo se realiza desde hace varias
décadas mediante el análisis multitemporal de imágenes aéreas y satelitales o
cartografía temática de cobertura (Bocco et al., 2001). Los sensores remotos montados
en satélites, son considerados la principal fuente de información, sobre todo en
estudios ambientales que requieren información de la cobertura terrestre (Rawat y
Kumar, 2015), ya que brindan información de grandes superficies y de difícil acceso

79
(Jain, Jain, Hariprasad, y Choudhry, 2011). El uso de sensores remotos y Sistemas
de Información Geográfica (SIG), ha permitido contar con mapas de uso y cobertura
actualizados, lo que resulta útil para planificación urbana, agrícola, urbana o industrial
(Rawat y Kumar, 2015), además de ser utilizados cada vez más para el uso y gestión
de los recursos naturales (Lal y Anouncia, 2015).

La detección de cambios de uso de suelo se realiza mediante tres pasos principales;

el procesamiento de imágenes multiespectrales, la comparación de imágenes
multitemporales y el análisis de cambio (Lal y Anouncia, 2015). El primer paso integra
el manejo, procesamiento y corrección geométrica, radiométrica, así como la
corrección atmosférica de las imágenes satelitales (Hadjimitsis et al., 2010). El
segundo paso realiza una diferenciación o análisis de vector de cambio para comparar
las imágenes de diferente año (Lal y Anouncia, 2015). Finalmente, el tercer paso
identifica el cambio que surge de los píxeles modificados con los píxeles no
modificados, obteniendo los cambios generados en la cobertura terrestre (El
Bastawesy, Gabr, y Mohamed, 2014). Para la segmentación o agrupamiento de pixeles
similares se utilizan técnicas de clasificación supervisada y no supervisada (Enderle y
Weih jr., 2005; Lu, Mausel, Brondízio, y Moran, 2004; Singh, 1989).

El estudio de monitoreo sobre cambios de entorno en la cuenca del Río Conchos

(sobreexplotación de agua, presas, desecación y deforestación) fue desarrollado por
Carreón et al. (2001). El análisis de cambio de uso de suelo y vegetación de la cuenca
Alta del Río Conchos se realizó a partir de dos imágenes satelitales (1993 y 1999),
determinando una tasa anual de 2.8% de deforestación de bosques en el área de San
Juanito-Creel. Rodríguez et al. (2013) reportaron que en un área de 10,230 hectáreas
del municipio de Bocoyna cuenca Alta del Río Conchos, se obtuvo un cambio positivo
al incrementarse la revegetación de la zona con especies arbóreas como pino, encino
y táscate, además de pastos y otras plantas nativas en un periodo de 5 años (2005-
2010). Más recientemente Rodríguez et al. (2017), manifestaron las grandes
tendencias del cambio de cobertura de suelo ocurrido durante las décadas de los años
setenta, ochenta, noventa y dos mil para la cuenca completa del Río Conchos. El
estudio muestra que los grandes ecosistemas primarios de la cuenca han disminuido,

80
entre los que destacan el bosque de pino, los pastizales y las áreas ribereñas,
generando sobre las áreas de pérdida el reemplazamiento vegetativo de matorral
desértico, así como el incremento de las coberturas de agricultura y el bosque de
encino.

La cuenca del Río Tehuantepec, así como el estado de Oaxaca en general presenta
poca información sobre la dinámica espacial de los cambios de uso de suelo (Gómez,
2013; Gómez, Vega, Ramírez, Palacio, y Galicia, 2006). Los estudios relacionados con
los cambios de uso de suelos cerca de la cuenca Río Tehuantepec fueron realizados
por Gómez et al. (2006) para la Sierra Norte de Oaxaca, entre los años 1980 a 2000 y
una proyección de los mismos para el año 2020. El estudio determinó un alza en la
tasa de deforestación sobre bosques tropicales y templados debido principalmente al
incremento de la agricultura y la ganadería. Cuevas et al. (2010) reportaron que la
cuenca del Río Tehuantepec ha sufrido un cambio importante de selvas subhúmedas
primarias que pasaron a secundarias dentro de la región entre los años 1976 y 2009,
siendo la principal vegetación afectada en el área. Mientras que, Gómez (2013)
determinó el cambio de suelo para un área perteneciente al Istmo de Tehuantepec
entre los periodos 1970 a 1983 y de 1983 al 2003, determinando un tasa cambio
variable en las coberturas de la zona, observándose perdidas por deforestación en
selva baja caducifolia, selva baja espinosa y sabana, principalmente relacionados a
los asentamientos humanos, agricultura y pastizal inducido.

El presente capítulo tiene por objetivo analizar el cambio de uso de suelo en la cuenca
Alta del Río Conchos y Río Tehuantepec, para el periodo de 1986-2016 mediante el
uso imágenes satelitales y SIG. Así como obtener los mapas multitemporales de uso
de suelo de cada cuenca, empleados en el capítulo V para la determinación del
escurrimiento superficial en SWAT.

81
4.2 MATERIALES Y MÉTODOS

4.2.1 Zona de estudio

La cuenca Alta del río Conchos (RC) se localiza al sur del estado de Chihuahua y norte
del Estado de Durango con una extensión de 20,819.13 km2 (Figura 4.1a),
comprendida por 20 municipios de Chihuahua (18 municipios) y Durango (2
municipios; Ocampo y Guanaceví). Los cinco municipios de mayor extensión dentro
de la cuenca son; Balleza (4,254 km2 – 20.43%), Valle de Zaragoza (2,676 km2 –
12.85%), Carichí (2,300 km2 – 11.05%), Nonoava (1,989 - 9.55%) y Bocoyna (1,611
km2 – 7.74%) (INEGI, 2014). El punto de drenaje de toda la cuenca se ubica sobre la
presa La boquilla, ubicada en el municipio de San Francisco de Conchos. La cuenca
del rio conchos presenta predominantemente bosques de encino, mezquite y pino y en
zonas cálidas-secas de matorral desértico, pastizales y vegetación de galería, la
agricultura de riego y agricultura de temporal se ubican en las partes bajas de cuenca
y en menor proporción se encuentra los asentamientos humanos (INEGI, 2017).

(a) (b)

Figura 4.1. Área de estudio (a) cuenca Alta Río Conchos y (b) cuenca Río Tehuantepec.

La cuenca del Río Tehuantepec (RT) se localiza al sureste del estado de Oaxaca con
una extensión de 9,508.60 km2 (Figura 4.1b), comprendida por 63 municipios en total.
Los cinco municipios de mayor extensión dentro de la cuenca son; San Carlos
Yautepec (1,871 km2 – 19.67%), Magdalena Tequisistlán (704 km2 – 7.40%), San
82
Pedro Quiatoni (565 km2 – 5.94%), Santa María Jalapa del Marqués (563 - 9.92%) y
Nejapa de Madero (457 km2 – 4.80%) (INEGI, 2014). El punto de drenaje de toda la
cuenca se ubica sobre la presa P. Benito Juárez, ubicada en el municipio de Santa
María Jalapa del Marqués. La cuenca del rio Tehuantepec presenta
predominantemente bosques de encino, oyamel, pino y bosques tipo mesófilo de
montaña. En zonas cálidas comprende de vegetación pastizales y selvas caducifolia,
principalmente. La agricultura de riego, agricultura temporal, así como la presencia de
asentamientos humanos se ubican en las zonas bajas de la cuenca (INEGI, 2017).

4.2.2 Adquisición de imágenes

Las imágenes satelitales Landsat utilizadas en el estudio (Tabla 4.1) fueron

proporcionadas por la United States Geological Survey (USGS) a través de sus
plataformas EarthExplorer (USGS, 2019a) y GloVis (USGS, 2019b) las cuales
permiten buscar imágenes de diferentes sensores y con ciertas restricciones como
baja nubosidad y periodos temporales, además cuentan con imágenes de más de 40
años de la superficie terrestre disponibles gratuitamente (Chander, Markham, y Helder,
2009; USGS, 2019c). De esta manera, se seleccionaron imágenes con un intervalo de
al menos 15 años, con la menor nubosidad posible y que no presenten errores o
distorsiones, para ambas cuencas de estudio.

Tabla 4.1. Características de las imágenes satelitales adquiridas

Resolución Resolución Resolución
Tipo Sensor Color Número
Espacial temporal radiométrica
Satélite Bandas Bandas (m) Días (bits)
Landsat-05 MSS Multiespectral 4 60 16 8
Landsat-5 TM Multiespectral 7 30 16 8
Landsat-8 OLI-TIRS Multiespectral 11 30 16 12
Sistema de Escáner Multiespectral (MSS). Thematic Mapper (TM). Operational Land Imager (OLI). Thermal Infrared Sensor
(TIRS).

Cuatro imágenes satelitales fueron necesarias para cubrir el área de la cuenca Alta del
Río Conchos y cuatro imágenes satelitales para la cuenca Río Tehuantepec. La Figura
4.2 y 4.3 muestran la ubicación de cada una de las cuencas y las imágenes
seleccionadas para el año 2000.

83
 Path/Row
032/041

Path/Row
033/041

Path/Row
031/041

Path/Row
032/042

Figura 4.2. Imágenes Landsat para el año 2000, cuenca Alta del Río Conchos.

Path/Row Path/Row
024/048 023/048

Path/Row
024/049 Path/Row
023/049

Figura 4.3. Imágenes Landsat para el año 2000, cuenca del Río Tehuantepec.

Se adquirieron un total de 24 imágenes satelitales; 1 landsat-05 (Sensor MSS), 15

landsat-5 (sensor TM) y 8 landsat-8 (sensor OLI-TIRS), en formato Tiff y bandas
correspondientes. Las características de las 24 imágenes seleccionadas (12 para RC
y 12 para RT) se muestran en las Tablas 4.2 y 4.3

84
 Tabla 4.2. Escenas adquiridas para la cuenca Alta del Río Conchos (RC).
IMÁGENES LANDSAT
Tipo Fecha de Formato de
Path Row ID del producto Landsat
Landsat adquisición salida
Año 1986
L5MSS 33 41 Mar 24 LM05_L1TP_033041_19860324_20180331_01_T2 GeoTiff
L5MT 32 41 Abr 02 LT05_L1TP_032041_19860402_20170218_01_T1 GeoTiff
L5MT 32 42 Abr 02 LT05_L1TP_032042_19860402_20170218_01_T1 GeoTiff
L5MT 31 41 Abr 11 LT05_L1TP_031041_19860411_20170218_01_T1 GeoTiff
Año 2000
L5MT 33 41 May 01 LT05_L1TP_033041_20000501_20161214_01_T1 GeoTiff
L5MT 32 41 May 10 LT05_L1TP_032041_20000510_20161214_01_T1 GeoTiff
L5MT 32 42 May 10 LT05_L1TP_032042_20000510_20161214_01_T1 GeoTiff
L5MT 31 41 May 03 LT05_L1TP_031041_20000503_20161214_01_T1 GeoTiff
Año 2016
L8OLI 33 41 Abr 11 LC08_L1TP_033041_20160411_20170223_01_T1 GeoTiff
L8OLI 32 41 Abr 04 LC08_L1TP_032041_20160404_20170223_01_T1 GeoTiff
L8OLI 32 42 Abr 04 LC08_L1TP_032042_20160404_20170223_01_T1 GeoTiff
L8OLI 31 41 Abr 13 LC08_L1TP_031041_20160413_20170223_01_T1 GeoTiff
Tabla 4.3. Escenas adquiridas para la cuenca de Río Tehuantepec (RT).
IMÁGENES LANDSAT
Tipo Fecha de Formato de
Path Row ID del producto Landsat
Landsat adquisición salida
Año 1986
L5MT 23 48 Ene 13 LT05_L1TP_023048_19860113_20170218_01_T1 GeoTiff
L5MT 23 49 Ene 13 LT05_L1TP_023049_19860113_20170218_01_T1 GeoTiff
L5MT 24 48 Mar 25 LT05_L1TP_024048_19860325_20170218_01_T1 GeoTiff
L5MT 24 49 Mar 25 LT05_L1TP_024049_19860325_20170218_01_T1 GeoTiff
Año 2000
L5MT 23 48 Ene 20 LT05_L1TP_023048_20000120_20161215_01_T1 GeoTiff
L5MT 23 49 Ene 20 LT05_L1TP_023049_20000120_20161216_01_T1 GeoTiff
L5MT 24 48 Ene 27 LT05_L1TP_024048_20000127_20161215_01_T1 GeoTiff
L5MT 24 49 Ene 27 LT05_L1TP_024049_20000127_20161215_01_T1 GeoTiff
Año 2015
L8OLI 23 48 Abr 19 LC08_L1TP_023048_20150419_20170409_01_T1 GeoTiff
L8OLI 23 49 Mar 18 LC08_L1TP_023049_20150318_20170411_01_T1 GeoTiff
L8OLI 24 48 Mar 09 LC08_L1TP_024048_20150309_20170227_01_T1 GeoTiff
L8OLI 24 49 Mar 09 LC08_L1TP_024049_20150309_20170227_01_T1 GeoTiff

4.2.3 Procesamiento de imágenes

Las imágenes descargadas se encuentran georerreferenciadas al sistema de

coordenadas UTM, datum WGS-1984 Zona 13N y 14N para la cuenca Alta del Río
Conchos y la cuenca Río Tehuantepec respectivamente. La Figura 4.4 muestra el
procesamiento de imágenes satelitales, que va desde la corrección radiométrica hasta
la clasificación. La corrección radiométrica fue aplicada a cada una de las bandas que

85
integra cada imagen satelital, según el procedimiento sugerido por Chander et al.
(2009) y Storey et al. (2014), que se describe a continuación, para lo cual se utilizó el
software de sistema de información geográfica de uso libre QGIS.

Cálculo de Apilamiento
Corrección Recorte de
índices de Clasificación
radiométrica imágenes
espectrales imágenes

Figura 4.4. Procesamiento empleado en las imágenes satelitales.

4.2.3.1 Corrección radiométrica (conversión de DN a unidades físicas).

La corrección radiométrica consistió en convertir los valores de Número Digital (DN)

de cada pixel de los datos Landsat en valores de radiación espectral utilizando los
coeficientes de calibración externos proporcionados por los archivos metadatos de
cada imagen. La calibración de imágenes Landsat se efectuó mediante la aplicación
de dos pasos importantes: conversión a radiancia espectral y la conversión a
reflectancia (Chander et al., 2009).

Conversión a radiancia espectral en el sensor (Q cal a Lλ), Landsat MSS, TM, ETM
+ y EO-1 ALI.

El cálculo de la radiación espectral en el sensor es el paso fundamental para convertir

los datos de imagen de múltiples sensores y plataformas en una escala radiométrica
común físicamente significativa. La conversión de Qcal a Lλ para productos de Nivel 1
se realiza con la siguiente expresión (Chander et al., 2009):

𝐿𝑀𝐴𝑋𝜆 − 𝐿𝑀𝐼𝑁𝜆
𝐿𝜆 = ( ) (𝑄𝑐𝑎𝑙 − 𝑄𝑐𝑎𝑙𝑚𝑖𝑛 ) + 𝐿𝑀𝐼𝑁𝜆 𝐸𝑐. 4.1
𝑄𝑐𝑎𝑙𝑚𝑎𝑥 − 𝑄𝑐𝑎𝑙𝑚𝑖𝑛

Donde, 𝐿𝜆 es la radiancia espectral en la apertura del sensor [𝑊/(𝑚2 𝑠𝑟 𝜇𝑚)], 𝑄𝑐𝑎𝑙 es

el valor de pixel calibrado [𝐷𝑁], 𝑄𝑐𝑎𝑙𝑚𝑖𝑛 es el valor de píxel mínimo cuantificado
correspondiente a 𝐿𝑀𝐼𝑁𝜆 [𝐷𝑁], 𝑄𝑐𝑎𝑙𝑚𝑎𝑥 es el valor de píxel máximo cuantificado
correspondiente a 𝐿𝑀𝐴𝑋𝜆 [𝐷𝑁], 𝐿𝑀𝐼𝑁𝜆 es la radiancia espectral en el sensor que se
escala a 𝑄𝑐𝑎𝑙𝑚𝑖𝑛 [𝑊/(𝑚2 𝑠𝑟 𝜇𝑚)], y 𝐿𝑀𝐴𝑋𝜆 es la radiancia espectral en el sensor que
se escala a 𝑄𝑐𝑎𝑙𝑚𝑎𝑥 [𝑊/(𝑚2 𝑠𝑟 𝜇𝑚)].
𝑊 𝑚2
[𝑊/𝑚2 𝑠𝑟 𝜇𝑚] 𝐷𝑜𝑛𝑑𝑒; 𝑚2 = 𝑅𝑎𝑑𝑖𝑐𝑖𝑎𝑐𝑖ó𝑛 [𝑤𝑎𝑡𝑡𝑠 𝑝𝑜𝑟 𝑚 2 ], 𝑠𝑟 = Á𝑛𝑔𝑢𝑙𝑜 𝑠ó𝑙𝑖𝑑𝑜/𝑒𝑠𝑡𝑒𝑟𝑒𝑜𝑟𝑟𝑎𝑑𝑖á𝑛 [𝑚2 ], 𝑦 𝜇𝑚 = 𝑀𝑖𝑐𝑟ó𝑚𝑒𝑡𝑟𝑜 [1𝑥10−6 𝑚]
86
Conversión a reflectancia (Lλ a ρP), Landsat MSS, TM, ETM + y EO-1 ALI.

Se puede lograr una reducción en la variabilidad de escena a escena al convertir la

radiación espectral en el sensor en reflectancia TOA exoatmosférica, también conocida
como albedo planetario en banda. La reflectancia de la Tierra se calcula mediante la
siguiente expresión (Chander et al., 2009):

𝜋 ∗ 𝐿𝜆 ∗ 𝑑 2
𝜌𝜆 = 𝐸𝑐. 4.2
𝐸𝑆𝑈𝑁𝜆 ∗ 𝑐𝑜𝑠𝜃𝑆

Donde, 𝜌𝜆 es la reflectancia planetaria [sin unidades], 𝜋 es la constante matemática

igual a 3.14159 [sin unidades], 𝐿𝜆 es la reflectancia espectral en la apertura del sensor
[𝑊/(𝑚2 𝑠𝑟 𝜇𝑚)], 𝑑 es la distancia Tierra-Sol [unidades astronómicas], 𝐸𝑆𝑈𝑁𝜆 es la
irradiancia solar exoatmosférica media [𝑊/(𝑚2 𝑠𝑟 𝜇𝑚], 𝜃𝑆 es el ángulo cenital solar
[grados]. NOTA: El coseno del ángulo cenital solar es igual al seno del ángulo de
elevación solar.

Cada una de las imágenes descargadas cuenta con un archivo de metadatos donde
se obtuvieron el ángulo de inclinación solar, así como los valores 𝐿𝑀𝐴𝑋𝜆 , 𝐿𝑀𝐼𝑁𝜆 ,
𝑄𝑐𝑎𝑙𝑚𝑎𝑥 y 𝑄𝑐𝑎𝑙𝑚𝑖𝑛 , para cada una de las bandas que integran la imagen. Las tablas para
los valores de 𝑑 y 𝐸𝑆𝑈𝑁𝜆 , así como otros valores de sensores Landsat MSS, TM, ETM
+ y EO-1 ALI se muestran en el trabajo realizado por Chander et al. (2009). Las
ecuaciones 4.1 y 4.2 son aplicativas desde imágenes Landsat 1 a Landsat 7, además
de imágenes de satélite EO-1, para productos de datos de nivel 1 Landsat.

Conversión a radiancia espectral en el sensor (Q cal a Lλ), Landsat 8 OLI y TIRS.

La obtención de radiancia de imágenes Landsat 8 se obtuvo utilizando los factores de

escala de luminosidad proporcionados en el archivo de metadatos. Las imágenes se
procesan en unidades de radiancia absoluta utilizando cálculos de punto flotante de
32 bits. Estos valores se convierten en valores enteros de 16 bits sobre productos de
Nivel 1. La conversión de Qcal a Lλ para productos de Nivel 1 se realiza con la siguiente
expresión (USGS, 2019c):

𝐿𝜆 = 𝑀𝐿 ∗ 𝑄𝑐𝑎𝑙 + 𝐴𝐿 𝐸𝑐. 4.3

87
Donde, 𝐿𝜆 es la radiancia espectral en la apertura del sensor [𝑊/(𝑚2 𝑠𝑟 𝜇𝑚)], 𝑀𝐿 es
el factor de escala multiplicativo de radiancia para la banda
(RADIANCE_MUL_BAND_n de los metadatos), 𝐴𝐿 es el factor de escala aditivo
radiante para la banda (RADIANCE_ADD_BAND_n de los metadatos) y 𝑄𝑐𝑎𝑙 es el valor
de píxel cuantificado [DN].

Conversión a reflectancia (Lλ a ρP), Landsat 8 OLI y TIRS.

Similar a la conversión a radiancia, los valores enteros de 16 bits en el producto de

Nivel 1 también se convirtieron a reflectancia. La siguiente ecuación se utiliza para
convertir los valores de DN del nivel 1 a reflectancia (USGS, 2019c):

𝜌𝜆 ′ = 𝑀𝜌 ∗ 𝑄𝑐𝑎𝑙 + 𝐴𝜌 𝐸𝑐. 4.4

Donde, 𝜌𝜆 ′ es la reflectancia [sin unidades], sin corrección por ángulo solar, 𝑀𝜌 es el

factor de escala multiplicativa de reflectancia para la banda
(REFLECTANCEW_MULT_BAND_n de los metadatos), 𝐴𝜌 es el factor de escala
aditivo de reflectancia para la banda (REFLECTANCE_ADD_BAND_N de los
metadatos) y 𝑄𝑐𝑎𝑙 es el valor de píxel cuantificado [DN].

Se contempla el ángulo de elevación solar del centro de la escena en los metadatos,

sin embargo, la corrección angular se deja fuera de los datos de Nivel 1 debido a que
algunos usuarios prefieren calcular su propio ángulo de elevación solar por píxel en
toda la escena (USGS, 2019c). Mediante la aplicación de un ángulo de elevación solar,
la reflectancia correcta se determina con la siguiente expresión:

𝜌𝜆 ′ 𝜌𝜆 ′
𝜌𝜆 = = 𝐸𝑐. 4.5
𝑐𝑜𝑠𝜃𝑆𝑍 𝑠𝑖𝑛𝜃𝑆𝐸

Donde, 𝜌𝜆 es la reflectancia planetaria [sin unidades], 𝜃𝑆𝐸 es el ángulo de elevación del

sol local; el ángulo de elevación del sol del centro de la escena en grados
proporcionado en los metadatos y 𝜃𝑆𝑍 es el ángulo cenital solar local (𝜃𝑆𝑍 = 90 ° − 𝜃𝑆𝐸 ).

Para facilitar el uso de la ecuación de radiancia (ecuación 4.1) y reflectancia

(ecuaciones 4.2 y 4.4) en cada una de las bandas que integran cada imagen, se utilizó

88
la calculadora de bandas integrada en el Complemento de Clasificación
Semiautomática (por si siglas en inglés, SCP) para el sistema de información
geográfica libre QGIS.

4.2.3.2 Cálculo de índices espectrales

Los índices espectrales son indicadores numéricos sobre la forma de emisión y

características físicas de un cuerpo (Musick, 1983; Myneni, Hall, Sellers, y Marshak,
1995), y son utilizados para el análisis de aspectos territoriales como vegetación,
coberturas de nieve, proliferaciones de algas acuáticas o niveles de humedad en el
suelo (Ariza, Roa, Serrato, y León, 2018; Paz et al., 2014). Uno de los más utilizados
para reconocer características relacionadas a la vegetación y uso de suelo es el Índice
de Vegetación de Diferencia Normalizada (por sus siglas en inglés NDVI) desarrollado
por Rouse et al. (1974), y se determina con las bandas de Infrarrojo Cercano (NIR) y
el rojo (RED) mediante la siguiente expresión:

(𝑁𝐼𝑅 − 𝑅𝑒𝑑 )
𝑁𝐷𝑉𝐼 = 𝐸𝑐. 4.6
(𝑁𝐼𝑅 + 𝑅𝑒𝑑 )

En este trabajo el NDVI se utilizó para resaltar los pixeles que presentan vegetación.
Las bandas utilizadas varían según la versión de Landsat (Tabla 4.4) y los valores de
NDVI oscilan de -1 a 1 donde los valores cercanos a +1 muestran tonos brillantes de
blanco e indican presencia de vegetación mientras que los valores negativos
representan superficies sin presencia de vegetación (Figura 4.5). El cálculo de NDVI
se realizó mediante la calculadora de bandas de la herramienta SCP de QGIS.

Tabla 4.4. Bandas espectrales utilizadas para el cálculo de NDVI según tipo de sensor.
Landsat 5 (MSS) Landsat 5 (MT) Landsat 8 (OLI)
( 6 − 5) (4 − 3) (5 − 4)
( 6 + 5) (4 + 3) (5 + 4)

89
 (a) (b)

Figura 4.5. Índice de vegetación NDVI (a) cuenca Alta del Río Conchos y (b) cuenca Río Tehuantepec.

4.2.3.3 Apilamiento (stacking) de bandas y Recorte de imágenes apiladas

El apilamiento (stacking) de capas o bandas es un proceso que permite integrar varias

bandas/capas en una sola imagen, siempre y cuando cuenten con la misma resolución
espacial. El apilamiento permitió trabajar todas las bandas conjuntamente sin la
necesidad de trabajar una por una, lo que provocaría mayores tiempos de
procesamiento. Antes del apilamiento, se generó un reordenamiento de bandas que
permitió la adecuada categorización para la combinación de bandas espectrales como
apoyo en la clasificación de coberturas y usos de suelo. El apilamiento de bandas se
realizó con el complemento de clasificación semiautomática SCP integrada en QGIS,
lo que permitió la fácil manipulación y procesamiento de bandas.

Las imágenes calibradas y apiladas se recortaron con la herramienta SCP de QGIS

por medio de un polígono ampliado en 5 km de distancia del límite de cada cuenca,
así mismo se eliminaron los bordes de píxeles erróneos. Como ejemplo, la Figura 4.6
muestra los recortes realizados para la imagen de 1986 en ambas cuencas.

90
 Path/Row Path/Row Path/Row Path/Row
033/041 032/041 031/041 032/042

(a)

Path/Row Path/Row Path/Row Path/Row

024/048 024/049 023/049 023/048

(b)

Figura 4.6. Recorte de imágenes Landsat en falso color (combinación RGB 574) año 1986 para la
cuenca (a) Alta del Río Conchos y (b) Río Tehuantepec.

4.2.3.4 Clasificación de imágenes

La clasificación de imágenes es un proceso por cual se agrupan píxeles en clases

significativas como cuerpos de agua, bosques y cobertura de suelo urbano, con el fin
de determinar la clase de cobertura a la que pertenece cada unidad de la imagen
(Karlsson, 2003; Niblack, 1986). En este trabajo la clasificación se realizó según los
pasos sugeridos por Jensen (2005) y Green et al. (2017): clasificación no supervisada,
visualización de imágenes en falso color, adquisición de áreas de entrenamiento,
ejecución de clasificación supervisada y unión de clases finales (post clasificación).

La clasificación no supervisada utiliza algoritmos de agrupamiento estadístico para

muestrear los valores de los píxeles de una imagen, y agrupar píxeles de muestra
similares en forma automática (Jensen, 2005). Se utilizó el método de algoritmo K-
means con el fin de generar una clasificación preliminar de uso y cobertura de suelos
para las cuencas, asignando una entrada de 20 clases en el cual el método actualiza
los valores medios de cada pixel hasta que se alcanza el número de iteraciones
designadas (Green et al., 2017).

91
La visualización de imágenes en falso color se utilizó para mejorar el reconocimiento
de patrones en la imagen, utilizando combinaciones de bandas en tres canales del
espectro visible; Rojo (R), Verde (G) y Azul (B), dando como resultado una imagen
RGB con distintos tonos y colores. Estas combinaciones fueron útiles para analizar
visualmente la imagen y reconocer patrones de uso de suelo. Las combinaciones RGB
utilizadas en este trabajo se muestran en la Tabla 4.5.

Tabla 4.5. Combinación RGB de bandas.

Landsat 5 Landsat 5 (MT) Landsat 8
Satélite
(MSS) y 7 (ETM+) (OLI)
Combinación RGB RGB RGB
Color natural 5, 7, 4 3, 2, 1 4, 3, 2
Falso color 5, 7, 4 7, 4, 1 7, 5, 1
Infrarrojo
6, 5, 4 4, 3, 2 5, 4, 3
(vegetación)
Agricultura - 5, 4, 1 6, 5, 2
Zonas urbanas - 7, 5, 3 7, 6, 4
Uso de suelo / masa
- 4, 5, 3 5, 6, 4
de agua

La combinación RGB Infrarrojos permitió detección de zonas de vegetación resaltados

en distintos tonos de rojo, generando de esta manera una localización precisa de la
vegetación con respecto a una visualización de color natural de la zona (Figura 4.7).

(a) (b)

Figura 4.7. Combinación RGB de falso color (432) para zonas de vegetación en la (a) cuenca Alta del
Río Conchos y (b) cuenca Río Tehuantepec.

La selección de áreas de interés de cobertura y uso de suelo denominados ROI (áreas

de entrenamiento) sobre las imágenes procesadas se realizó mediante la herramienta

92
SCP Dock > classification dock en QGIS a partir de pixeles seleccionados dentro de la
imagen y mediante polígonos del área de interés, estos permiten la extracción de áreas
estadísticamente similares en la imagen, que posteriormente se usan para la
clasificación supervisada. Cada ROI creado fue asignado con una clave y un nombre
de clase de uso de suelo y vegetación equivalente a los mapas de uso de suelo INEGI
(2017). Como ejemplo se muestra la asignación de claves de uso de suelo a los ROI
de la imagen 033/041 del año 2000 de la cuenca Alta del Río Conchos (Tabla 4.6).

Tabla 4.6. Asignación de claves y ROI para la imagen 033/041 de la cuenca Alta del Río Conchos.
No. Clave Nombre ROI Clasificación INEGI (serie VI)
1 CA1 Agua 1 Cuerpo de AGUA
2 CA1 Agua 2 Cuerpo de AGUA
3 BQ1 Veg 1 (Bosque 1) BOSQUE pino-encino
4 BQ1 Veg 2 (Bosque 2) BOSQUE pino-encino
5 BQ2 Veg 3 (Sec bosque 1) Veg sec arbus BOSQUE
6 BQ1 Veg 4 BOSQUE pino-encino
7 BQ1 Veg 5 (Bosque 3) BOSQUE pino-encino
8 AR1 Veg 6 (Agri riego 1) Agricultura de RIEGO
9 AR1 Veg 7 (Agri riego 2) Agricultura de RIEGO
10 ATS1 Suelo 1 (Agri temp secas 1) Agricultura TEMPORAL
11 PA2 Suelo 2 (Agri temp secas 2) PASTIZAL culti, halofito, indu, natu
12 PA2 Suelo 3 (Agri temp secas 3) PASTIZAL culti, halofito, indu, natu
13 BQ2 Veg 8 (Sec bosque 2) BOSQUE pino-encino
14 ATS2 Suelo 4 Agricultura TEMPORAL
15 IB1 Suelo 5 (Área quemada 1) BOSQUE pino-encino
16 SBQ3 Suelo 6 Veg sec arbus BOSQUE
17 SBQ4 Suelo 7 Veg sec arbus BOSQUE
18 PA2 Suelo 8 (Agri temp secas 4) PASTIZAL culti, halofito, indu, natu
19 ATS3 Suelo 9 (Agri temp secas 5) Agricultura TEMPORAL
20 ATS1 Suelo 10 (Agri temp secas 6) Agricultura TEMPORAL
21 SV Sin valor FUERA DE ZONA DE ESTUDIO
22 IB1 Suelo 11 (Area quemada 2) BOSQUE pino-encino
23 IB1 Suelo 12 (Area quemada 3) Veg sec arbus BOSQUE
24 SB1 Sombra BOSQUE pino-encino
25 SBQ2 Suelo 13 Veg sec arbus BOSQUE
26 BQ2 Veg 9 (Sec bosque 3) BOSQUE pino-encino

La clasificación supervisada se basa en la asignación de clases a partir de los

conjuntos de muestra de pixeles (áreas de entrenamiento) en el área de la imagen,
basados en el conocimiento sobre el esquema de clasificación, imágenes y paisaje del
proyecto (Green et al., 2017). La clasificación se generó para los 24 cortes de

93
imágenes que integran las cuencas a través de una clasificación supervisada mediante
el método de máxima verosimilitud de la herramienta SCP en QGIS.

La post clasificación consistió en agrupar los ROI de coberturas y usos de suelo de

claves similares para reducir el número de coberturas generadas de en cada sección
de la cuenca, generando 12 claves de suelo definitivas para cada una de las cuencas
estudiadas. La Tabla 4.7 muestra como ejemplo la asignación de claves de uso de
suelo definitivas para una sección de la cuenca Alta del Río Conchos.

Tabla 4.7. Asignación de claves de uso de suelo definitivas para la cuenca Alta del Río Conchos.
Clave
Sección cuenca Clave Clasificación INEGI serie VI
definitiva
32 - 41 CA1 Cuerpo de agua 1
SV Sin valor 2
BQ1 Bosque 3
BQ2 Vegetación secundaria de bosque 4
PA2 Agricultura de temporal 5
SB1 Bosque 6
ATS1 Pastizal 7
PA3 Pastizal 8
SBQ1 Vegetación secundaria de bosque 9
AR1 Agricultura de riego 10
VAM1 Matorral 11
VPA2 Pastizal 12
VAM2 Matorral desértico 13
IB1 Bosque 14
VPA5 Pastizal 15
VPA4 Pastizal 16
PA1 Vegetación secundaria de bosque 17
PA4 Pastizal 18
PA5 Agricultura de temporal 19
VPA1 Pastizal 20
SP1 Pastizal 21
VAM4 Matorral desértico 22
VAM5 Matorral desértico 23
CA2 Cuerpo de agua 24
VR1 Agricultura de riego 25
31 - 41 VPA3 Matorral desértico 26
PA1 Pastizal 27
VPA4 Pastizal 28
SP1 Pastizal 29

94
 VAM3 Pastizal 30

NU1 Pastizal 31

33 -41 ATS3 Vegetación secundaria de bosque 32

SBQ4 Vegetación secundaria de bosque 33
ATS2 Vegetación secundaria de bosque 34
32 - 42 PA6 Agricultura de temporal 35
SBQ3 Vegetación secundaria de bosque 36
SBQ4 Vegetación secundaria de bosque 37
SBQ2 Vegetación secundaria de bosque 38

4.2.4 Elaboración de mapas de uso de suelo

Las imágenes reclasificadas se unieron en una sola imagen mosaico que constituye
los mapas de usos de suelo (Figura 4.8) en cada una de las fechas estudiadas; 1986,
2000 y 2016 para la cuenca Alta del Río Conchos, y, 1986, 2000 y 2015 para la cuenca
Río Tehuantepec.

(a) (b)

Figura 4.8. Aplicación de mosaico para la generación del mapa completo de la cuenca (a) Alta del Río
Conchos año 1986 y la cuenca (b) Río Tehuantepec año 2015.

4.2.4.1 Equivalencias de cobertura y uso de suelo SWAT

Los datos de cobertura y uso del suelo integrados en el modelo SWAT se construyen
a partir de la base de datos del Global Land Cover Characterization (GLCC) de USGS
(Uribe, 2010). Con el objetivo de que las clases de cobertura y uso de suelo sean
95
compatibles con las que maneja el software SWAT, los mapas se renombraron
mediante una reclasificación en SIG de acuerdo a la tabla Land Use/Land Cover
System Legend (Modified Level 2) de USGS (USGS, 2018). La clasificación final de
usos de suelo se compone de 9 clases principales para la cuenca Alta del Río
Conchos, y de 8 clases principales para la cuenca Río Tehuantepec (Tablas 4.8 y 4.9),
en las que se identificaron y se generaron las equivalencias con el uso de suelo INEGI.

Tabla 4.8. Clases principales de cobertura y uso de suelo, cuenca Alta del Río Conchos.
Clave único Uso de suelo
No. Uso de suelo
SWAT INEGI serie VI
Agricultura de temporal anual, anual y permanente, y
1 Agricultura temporal 2
permanente.
Agricultura de riego anual, anual y permanente, anual y
2 Agricultura de riego 3
semipermanente, y permanente.
Pastizal cultivado, inducido, natural, vegetación
3 Pastizales 7
secundaria arbustiva y herbácea de pastizal natural.
Matorral desértico micrófilo y rosetófilo, vegetación
4 Matorrales 8 secundaria arbustiva de matorral desértico micrófilo y
rosetófilo.
Vegetación
5 9 Vegetación de galería.
ribereña/galería
6 Bosque perenne 14 Bosque cultivado, encino, encino-pino, y pino.
Vegetación secundaria arbustiva de bosque de encino,
encino-pino, pino, y táscate. Vegetación secundaria
7 Bosque mixto 15
arbórea de bosque de encino, encino-pino, pino;
vegetación secundaria herbácea de bosque de pino.
8 Cuerpos de agua 16 Cuerpo de agua
9 Áreas quemadas 19 Ninguno
Tabla 4.9. Clases principales de cobertura y uso de suelo, cuenca Río Tehuantepec.
Clave único Uso de suelo
No. Uso de suelo
SWAT INEGI serie VI
Agricultura de temporal anual, anual y permanente, y
1 Agricultura temporal 2
permanente.
Agricultura de riego anual, anual y permanente, anual y
2 Agricultura de riego 3
semipermanente.
3 Pastizales 7 Pastizal cultivado e inducido.
Selva baja caducifolia, mediana caducifolia, vegetación
secundaria arbustiva de selva baja caducifolia,
4 Selva caducifolia 11
vegetación secundaria arbórea de selva baja y mediana
caducifolia.
Bosque de encino, encino-pino, pino, oyamel, y
5 Bosque perenne 14
mesófilo de montaña.
Vegetación secundaria arbustiva de bosque de encino,
encino-pino, pino, y mesófilo de montaña. Vegetación
6 Bosque mixto 15
secundaria arbórea de bosque de encino, encino-pino,
y pino.
7 Cuerpos de agua 16 Cuerpo de agua
8 Áreas quemadas 19 Ninguno

96
La nueva clasificación de suelos mediante el uso de coberturas SWAT dio como
resultado la creación de los mapas finales de uso de suelo para la cuenca Alta Río
Conchos y la cuenca Río Tehuantepec, de los cuales se realizó la detección y análisis
de cambios de cobertura y uso de suelos para el periodo de treinta años (1986-2000-
2016).

4.2.5 Detección de cambios

El análisis de detección de cambios cuantifica las diferencias entre imágenes de la

misma escena de diferentes fechas, útil para identificar los cambios superficiales como
por ejemplo incrementos de zonas urbanas o disminución de zonas agrícolas (Hegazy
y Kaloop, 2015). A partir de los mapas finales de cobertura y uso de suelos se
analizaron los cambios para los periodos 1986-2000, 1986-2016 y 2000-2016 en
Conchos, y 1986-2000, 1986-2015, 2000-2015, en Tehuantepec.

La magnitud de cambio para cada clase de uso de suelo se determinó restando la

cobertura del área del año final y el año inicial (Lu et al., 2004).

Á𝑟𝑒𝑎 𝑑𝑒 𝑐𝑎𝑚𝑏𝑖𝑜 (𝑖 ) = 𝑎𝑟𝑒𝑎 𝑎ñ𝑜 𝑓𝑖𝑛𝑎𝑙 − á𝑟𝑒𝑎 𝑎ñ𝑜 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝐸𝑐. 4.7

El cambio porcentual para cada cobertura y de uso de suelo se determinó dividiendo

la superficie de cambio del año base (el año inicial) y multiplicado por cien, como se
muestra en la siguiente expresión (Islam et al., 2018; Lu et al., 2004).

á𝑟𝑒𝑎 𝑑𝑒 𝑐𝑎𝑚𝑏𝑖𝑜 ∗ 100

𝐶𝑎𝑚𝑏𝑖𝑜 % = 𝐸𝑐. 4.8
á𝑟𝑒𝑎 𝑎ñ𝑜 𝑏𝑎𝑠𝑒
Para obtener la tasa de cambio anual de cada cobertura y uso de suelo, la diferencia
entre el año final y el año inicial que representa la magnitud de cambio entre los años
correspondientes se dividió por el número de años de estudio, como se muestra en la
siguiente expresión (Islam et al., 2018; Lu et al., 2004).

á𝑟𝑒𝑎 𝑎ñ𝑜 𝑓𝑖𝑛𝑎𝑙 − á𝑟𝑒𝑎 𝑎ñ𝑜 𝑏𝑎𝑠𝑒

𝑇𝑎𝑠𝑎 𝑑𝑒 𝑐𝑎𝑚𝑏𝑖𝑜 𝑎𝑛𝑢𝑎𝑙 = 𝐸𝑐. 4.9
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎ñ𝑜𝑠

97
De la expresión anterior, el número de años de estudio corresponde a 1986–2000 (14
años), 2000–2016 (16 años), 2000–2015 (15 años), 1986–2016 (30 años) y 1986–
2015 (29 años), para las escenas analizadas.

4.2.6 Medición de la precisión

La medición de la precisión consiste en comparar una clasificación elaborada con

puntos identificados o verdaderos contra los resultados de la clasificación (Chowdhury,
Hasan, y Abdullah-Al-Mamun, 2018). A partir del programa QGIS, se generaron 150 y
140 puntos de muestreo al azar para cuenca Alta del Río Conchos, y cuenca Río
Tehuantepec respectivamente. De estos puntos se extrajeron los tipos de uso de suelo
para cada imagen clasificada (1986, 2000, 2015 y 2016) y como valores de referencia
el uso de y vegetación de las series INEGI en la fecha más próxima a cada imagen.
Con estos datos se elaboró una matriz de error y calculó el estadístico Kappa (K) para
cada año de estudio (Landis y Koch, 1977).

98
4.3 RESULTADOS

4.3.1 Uso de suelo Cuenca Alta del Río Conchos

4.3.1.1 1986

La representación de los mapas de suelos (Figura 4.9) muestra que para 1986
alrededor del 48.91% (1’018,263.96 ha) del área de la cuenca Alta del Río Conchos
eran pastizales, 29.44% (612,822.24 ha) bosques mixtos, 16.97% (353,320.02 ha)
bosques perennes, 2.87% (59,726.61 ha) matorrales, 0.72% (14,888.97 ha) cuerpos
de agua, 0.39% (8,208.81 ha) con agricultura de temporal, 0.37% (7,759.08 ha) áreas
quemadas debido a incendios forestales, 0.20% (4,245.84 ha) con vegetación
ribereña/galería y 0.13% (2,649.96 ha) con agricultura de riego.

Uso de Suelo Año 1986

Área (ha) %
1 (2) Agricultura temporal 8,208.81 0.39
2 (3) Agricultura de riego 2,649.96 0.13
3 (7) Pastizales 1’018,263.96 48.91
4 (8) Matorrales 59,726.61 2.87
5 (9) Veg. ribereña/galería 4,245.84 0.20
6 (14) Bosque perenne 353,320.02 16.97
7 (15) Bosque mixto 612,822.24 29.44
8 (16) Cuerpos de agua 14,888.97 0.72
9 (19) Áreas quemadas 7,759.08 0.37

Total 2’081,933.19 100.00

Figura 4.9. Mapa de uso de suelos cuenca Alta del Río Conchos, año 1986.

99
4.3.1.2 2000

Durante el año 2000 (Figura 4.10), el área con las clases de cobertura y uso de suelos
se encontró alrededor del 46.76% (973,494.63 ha) eran pastizales, 29.38%
(611,622.99 ha) bosques mixtos, 16.82% (350,258.67 ha) bosques perennes, 2.62%
(54,534.69 ha) con agricultura de temporal, 1.80% (37,535.40 ha) matorrales, 1.28%
(26,745.30 ha) con vegetación ribereña/galería, 0.68% (14,217.93 ha) áreas
quemadas debido a incendios forestales, 0.38% (7,961.04 ha) de cuerpos de agua y
0.27% (5,562.54 ha) con agricultura de riego.

Uso de Suelo Año 2000

Área (ha) %
1 (2) Agricultura temporal 54,534.69 2.62
2 (3) Agricultura de riego 5,562.54 0.27
3 (7) Pastizales 973,494.63 46.76
4 (8) Matorrales 37,535.40 1.80
5 (9) Veg. ribereña/galería 26,745.30 1.28
6 (14) Bosque perenne 350,258.67 16.82
7 (15) Bosque mixto 611,622.99 29.38
8 (16) Cuerpos de agua 7,961.04 0.38
9 (19) Áreas quemadas 14,217.93 0.68

Total 2’081,933.19 100.00

Figura 4.10. Mapa de uso de suelos cuenca Alta del Río Conchos, año 2000.

4.3.1.3 2016

Finalmente durante del año 2016 (Figura 4.11), alrededor del 40.50% (843,211.08 ha)
del área de la cuenca eran pastizales, 26.93% (560,725.38 ha) bosques mixtos,
17.32% (360,658.44 ha) bosques perennes, 9.92% (206,562.42 ha) con agricultura de
temporal, 3.55% (73,880.73 ha) de matorrales, 0.64% (13,386.87 ha) con vegetación
ribereña/galería, 0.54% (11,153.07 ha) cuerpos de agua, 0.51% (10,621.98 ha) áreas

100
quemadas debido a incendios forestales, y 0.08% (1,733.22 ha) con agricultura de
riego.

Uso de Suelo Año 2016

Área (ha) %
1 (2) Agricultura temporal 206,562.42 9.92
2 (3) Agricultura de riego 1,733.22 0.08
3 (7) Pastizales 843,211.08 40.50
4 (8) Matorrales 73,880.73 3.55
5 (9) Veg. ribereña/galería 13,386.87 0.64
6 (14) Bosque perenne 360,658.44 17.32
7 (15) Bosque mixto 560,725.38 26.93
8 (16) Cuerpos de agua 11,153.07 0.54
9 (19) Áreas quemadas 10,621.98 0.51

Total 2’081,933.19 100.00

Figura 4.11. Mapa de uso de suelos cuenca Alta del Río Conchos, año 2016.

4.3.1.4 Uso de suelo durante el periodo 1986-2016 Conchos

La Figura 4.12 muestra la distribución superficial de cobertura y uso de suelo en

porcentajes y hectáreas durante los años 1986, 2000 y 2016 en forma comparativa.
Los bosques perennes, bosques mixtos y pastizales son las coberturas de mayor
extensión territorial dentro de la cuenca. Para 1986 comprendían el 95.32 % (1’984,406
ha) del área de la cuenca, para el año 2000 el 92.96 % (1’935,377 ha) y para el año
2016 el 84.76 % (1’764,594 ha), por lo que son considerados en cuestión de extensión
territorial como los ecosistemas naturales más importantes de la zona.

101
 Usos de suelo 1986
Uso de suelo 1986
Uso de suelo 1986
353,320 ha 7,759 ha 8,209 ha
612,822 ha
0.37% 0.39% 0.13 %
29.44% (2,650 ha)
16.97% 14,889 ha

0.72 %
4.68%
(97,479 ha) 0.20 %
(4,246 ha)
2.87 %
48.91% 59,727 ha

Uso de suelo 2000 1'018,264 ha Uso de suelo 2000

(7) Pastizales (14) Bosque perenne (2) Agricultura temporal (3) Agricultura de riego
(8) Matorrales (9) Veg. ribereña/galería
(15) Bosque mixto Uso de suelo 2000
Otros usos de suelo (16) Cuerpos de agua (19) Áreas quemadas
14,218 ha
611,623 ha
350,259 ha 7,961 ha
29.38 % 0.38 % 0.68 %

16.82 %
7.04 % 2.62 % 54,535 ha
(146,557 ha) 26,745 ha 1.28 %

46.76 % 1.80 %

973,495 ha 37,535 ha 0.27 %

Uso de suelo 2016 5,563 ha
Uso de suelo 2016
(7) Pastizales (14) Bosque perenne (2) AgriculturaUso
temporal (3) Agricultura de riego
de suelo 2016
(15) Bosque mixto Otros usos de suelo
Uso de suelo (8)
2016Matorrales
Uso de suelo 2016 (9) Veg. ribereña/galería
(16) Cuerpos
(11,153 de agua0.51 % (10,622
ha) 0.54 (19) Áreas
ha) quemadas
560,725 ha %
560,725 ha (11,153 ha) 0.54
0.64 % % 0.51 % (10,622 ha)
360,658 ha 26.93 % (13,387 %
0.64ha)
360,658 ha 26.93 % (13,387 ha)

17.32 %
17.32 %
15.24%% 317,338ha
ha 3.55
15.24 317,338 73,881haha
73,881 3.55 %% 9.929.92
% % 206,562
206,562
ha ha

40.50%% 0.08 %%
0.08
40.50 (1,733 ha)
(1,733 ha)
843,211ha
843,211 ha

(2) Agricultura temporal (3) Agricultura de riego

(7) Pastizales
(7) Pastizales (14)Bosque
(14) Bosqueperenne
perenne (2) Agricultura temporal (3) Agricultura de riego
(8) Matorrales (9) Veg. ribereña/galería
(15) Bosque mixto
(15) Bosque mixto Otros usos de suelo
Otros usos de suelo (8) Cuerpos
(16) Matorralesde agua (9) Veg.
(19) Áreas ribereña/galería
quemadas
(16) Cuerpos de agua (19) Áreas quemadas
Figura 4.12. Distribución superficial de uso de suelo para RC, años 1986, 2000 y 2016.

Los usos de suelo como agricultura de temporal, agricultura de riego, matorrales,

vegetación rivereña, cuerpos de agua y áreas quemadas, comprenden una cobertura
mínima dentro de la cuenca. Para 1986 sólo comprendían conjuntamente el 4.68 %
(97,479 ha) del área de la cuenca, para el año 2000 el 7.04 % (146,557 ha), y para el
año 2016 el 15.24 % (317,338 ha), con cambios notorios durante el lapso de tiempo.

102
4.3.2 Uso de suelo Cuenca Río Tehuantepec

4.3.2.1 1986

La representación de los mapas de suelos (Figuras 4.13) muestra que para 1986
alrededor del 45.34% (431,163.72 ha) del área de la cuenca Río Tehuantepec eran
selva caducifolia, 22.94% (218,198.25 ha) bosques mixtos, 15.90% (151,238.79 ha)
con agricultura de temporal, 11.40% (108,387.72 ha) de bosques perennes, 1.87%
(17,808.48 ha) pastizales, 1.20% (11,447.28 ha) áreas quemadas debido a incendios
forestales, 0.98% (9,296.10 ha) con agricultura de riego y 0.36% (3,451.50 ha) de
cuerpos de agua.

Uso de Suelo Año 1986

Área (ha) %
1 (2) Agricultura temporal 151,238.79 15.90
2 (3) Agricultura de riego 9,296.10 0.98
3 (7) Pastizales 17,808.48 1.87
4 (8) Selva caducifolia 431,163.72 45.34
5 (14) Bosque perenne 108,387.72 11.40
6 (15) Bosque mixto 218,198.25 22.94
7 (16) Cuerpos de agua 3,451.50 0.36
8 (19) Áreas quemadas 11,447.28 1.20

Total 950,991.84 100.00

Figura 4.13. Mapa de uso de suelos cuenca Río Tehuantepec, año 1986.

4.3.2.2 2000

Durante el año 2000 (Figuras 4.14), el área de las clases de cobertura y uso de suelos
se encontró alrededor del 47.97% (456,153.30 ha) eran selva caducifolia, 19.37%
(184,197.06 ha) bosques mixtos, 17.00% (161,667.81 ha) bosques perennes, 11.19%

103
(106,444.44 ha) con agricultura de temporal, 2.57% (24,483.78 ha) de pastizales,
1.08% (10,272.15 ha) con áreas quemadas debido a incendios forestales, 0.47%
(4,514.58 ha) de cuerpos de agua y 0.34% (3,258.72 ha) con agricultura de riego.

Uso de Suelo Año 2000

Área (ha) %
1 (2) Agricultura temporal 106,444.44 11.19
2 (3) Agricultura de riego 3,258.72 0.34
3 (7) Pastizales 24,483.78 2.57
4 (8) Selva caducifolia 456,153.30 47.97
5 (14) Bosque perenne 161,667.81 17.00
6 (15) Bosque mixto 184,197.06 19.37
7 (16) Cuerpos de agua 4,514.58 0.47
8 (19) Áreas quemadas 10,272.15 1.08

Total 950,991.84 100.00

Figura 4.14. Mapa de uso de suelos cuenca Río Tehuantepec, año 2000.

4.3.2.3 2015

Finalmente durante del año 2015 (Figuras 4.15), alrededor del 43.26% (411,445.71 ha)
del área de la cuenca eran selva caducifolia, 19.00% (180,684.00 ha) bosques mixtos,
15.89% (151,143.30 ha) con agricultura de temporal, 15.49% (147,276.09 ha) de
bosques perennes, 5.37% (51,038.64 ha) pastizales, 0.46% (4,393.26 ha) con
agricultura de riego, 0.41% (3,895.65 ha) de cuerpos de agua y 0.12% (1,115.19 ha)
de áreas quemadas debido a incendios forestales (Tabla 4.13).

104
 Uso de Suelo Año 2015
Área (ha) %
1 (2) Agricultura temporal 151,143.30 15.89
2 (3) Agricultura de riego 4,393.26 0.46
3 (7) Pastizales 51,038.64 5.37
4 (8) Selva caducifolia 411,445.71 43.26
5 (14) Bosque perenne 147,276.09 15.49
6 (15) Bosque mixto 180,684.00 19.00
7 (16) Cuerpos de agua 3,895.65 0.41
8 (19) Áreas quemadas 1,115.19 0.12

Total 950,991.84 100.00

Figura 4.15. Mapa de uso de suelos cuenca Río Tehuantepec, año 2015.

4.3.2.4 Uso de suelo durante el periodo 1986-2015 Tehuantepec

La Figura 4.16 muestra la distribución superficial de cobertura y uso de suelo en

porcentajes y hectáreas durante los años 1986, 2000 y 2016 en forma comparativa.
Los bosques perennes, bosques mixtos, selva caducifolia y agricultura de temporal
son las coberturas de mayor extensión territorial dentro de la cuenca. Para 1986
comprendían el 95.58 % (908,989 ha) del área de la cuenca, para el año 2000 el
95.53 % (908,462 ha) y para el año 2015 el 93.64 % (890,549 ha), siendo las
coberturas y uso de suelo con mayor influencia sobre el ecosistema de la cuenca,
destacado principalmente por los bosques y selvas caducifolias como los ecosistemas
naturales vegetativos más importantes. Los usos de suelo como agricultura de riego,
pastizales, cuerpos de agua y áreas quemadas integran la cobertura mínima de la
cuenca. Para 1986 comprendían el 4.42 % (42,003 ha) del área de la cuenca, para el
año 2000 el 4.47 % (42,529 ha), y para el año 2015 el 6.36 % (60,443 ha), presentando
cambios poco significativos con relación al área total de la cuenca.

105
 Uso de suelo 1986
Uso de suelo 1986 Uso de suelo 1986
108,388 ha

11.40 % 218,198 ha
9,296 ha
11,447 ha
22.94 %
0.98 %
1.20 %

4.42%
45.34 % (42,003 ha)
0.36 %
431,164 ha 15.90 %
3,452 ha 1.87 %

151,239 ha 17,808 ha
Uso de suelo 2000
(2) Agricultura temporal (11) Selva caducifolia
(14) Bosque perenne de suelo 2000 (3) Agricultura de riego
Uso mixto
(15) Bosque (7) Pastizales
161,668 ha (16) Cuerpos
Uso dedeagua
suelo 2000 (19) Áreas quemadas
Otros usos de suelo
3,259 ha
17.00 % 184,197 ha
10,272 ha 0.34%
19.37 %
1.08 %

4.47 %
(42,529 ha)
47.97 % 11.19 % 0.47 %
4,515 ha 2.57 %
456,153 ha
106,444 ha 24,484 ha

suelo2015
Usodedesuelo
Uso 2015
Uso de
(3) Agricultura desuelo
riego 2015(7) Pastizales
(2) Agricultura temporal (11) Selva caducifolia
147,276
(14) Bosque ha
perenne
Uso de
(15) Bosque mixto
suelo 2015 (16) CuerposUsode agua
de suelo 2015(19) Áreas quemadas
147,276 ha (1,115 ha)
Otros usos de suelo 0.12
(1,115%ha) 4,393 ha
15.49 % 180,684 ha 3,896 ha 0.12 %
15.49 % 180,684 ha 0.46% 4,393 ha
3,8960.41%
ha
19.00 % 0.46%
19.00 % 0.41%

6.36%
6.36%
(60,443 ha)
(60,443 ha)
43.26 %
43.26 % 15.89 %
15.89 % 5.37
5.37%
%
411,446 ha
411,446 ha

151,143 ha
151,143 ha 51,039 ha
51,039 ha

(2) Agricultura temporal (11) Selva caducifolia

(2) Agricultura temporal (11) Selva caducifolia (3) Agricultura de riego (7) Pastizales
(14) Bosque perenne (15) Bosque mixto (3) Agricultura de riego (7) Pastizales
(14) Bosque perenne (15) Bosque mixto (16) Cuerpos de agua (19) Áreas quemadas
Otros usos de suelo (16) Cuerpos de agua (19) Áreas quemadas
Otros usos de suelo

Figura 4.16. Distribución superficial de uso de suelo para RT, años 1986, 2000 y 2015.

106
 4.3.3 Cambio de uso de suelo cuenca Alta R. Conchos 1986-2000-2016

Los resultados obtenidos (Tabla 4.10 y Figura 4.17) revelan que ocurrieron cambios
tanto positivos como negativos sobre la cobertura de suelos de la cuenca Alta del Río
Conchos. Durante tres décadas (1986-2016) las clases de mayor cobertura en el área
de estudio como los pastizales, han disminuido de 1’018,263.96 hectáreas en 1986 a
843,211.08 hectáreas en 2016, lo que representa un cambio de -17.19% y 175,052.88
hectáreas perdidas, con tasa anual de cambio de 5,835.10 ha/año. Los bosques mixtos
han disminuido de 612,822.24 hectáreas en 1986 a 560,725.38 hectáreas en 2016, lo
que representa un cambio de -8.50% y 52,096.86 hectáreas perdidas, con tasa anual
de cambio de 1,736.56 ha/año. Mientras que, los bosques perennes de zonas altas de
la cuenca aumentaron de 353,320.02 hectáreas en 1986 a 360,658.44 hectáreas en
2016, lo que representa un cambio de +2.07% y 7,338.42 hectáreas ganadas, con tasa
anual de cambio de 244.61 ha/año.

Tabla 4.10. Escenarios de cambio entre diferentes periodos de tiempo.

Cambio de uso de suelo: Cambio de uso de suelo: Cambio de uso de suelo:
Uso de Suelo
1986-2000 2000-2016 1986-2016
Tasa Tasa Tasa
Cambio Cambio Cambio Cambio Cambio Cambio
anual anual anual
Área (ha) % Área (ha) Área (ha) % Área (ha) Área (ha) % Área (ha)
(2) Agricultura
1 463,25.88 564.33 3,308.99 152,027.73 278.77 9,501.73 198,353.61 2,416.29 6,611.79
temporal
2 (3) Agricultura de riego 2,912.58 109.91 208.04 -3,829.32 -68.84 -239.33 -916.74 -34.60 -30.56
3 (7) Pastizales -447,69.33 -4.40 -3,197.81 -130,283.55 -13.38 -8,142.72 -175,052.88 -17.19 -5,835.10
4 (8) Matorrales -22,191.21 -37.16 -1,585.09 36,345.33 96.83 2,271.58 14,154.12 23.70 471.80
(9) Vegetación
5 22,499.46 529.90 1,607.10 -13,358.43 -49.95 -834.90 9,141.03 215.29 304.70
ribereña
6 (14) Bosque perenne -3,061.35 -0.87 -218.67 10,399.77 2.97 649.99 7,338.42 2.07 244.61
7 (15) Bosque mixto -1,199.25 -0.20 -85.66 -50,897.61 -8.32 -3,181.10 -52,096.86 -8.50 -1,736.56
8 (16) Cuerpos de agua -6,927.93 -46.53 -494.85 3,192.03 40.10 199.50 -3,735.90 -25.09 -124.53
9 (19) Áreas quemadas 6,458.85 83.24 461.35 -3,595.95 -25.29 -224.75 2,862.90 36.89 95.43

Las clases de menor cobertura sobre la cuenca también presentaron cambios

destacados durante los 30 años de estudio. Las áreas destinadas a la agricultura
temporal cambiaron considerablemente, aumentando de 8,208.81 hectáreas en 1986
a 206,562.42 hectáreas en 2016, lo que representa un cambio de +2,416.29% y
198,353.61 hectáreas ganadas, con tasa anual de cambio de 6,611.79 ha/año. Los
matorrales aumentaron de 59,726.61 hectáreas en 1986 a 73,880.73 hectáreas en
2016, lo que representa un cambio de +23.70% y 14,154.12 hectáreas ganadas, con
tasa anual de cambio de 471.80 ha/año. La vegetación ribereña/galería aumento de
4,245.84 hectáreas en 1986 a 13,386.87 hectáreas en 2016, lo que representa un

107
cambio de +215.29% y 9,141.03 hectáreas ganadas, con tasa anual de cambio de
304.70 ha/año. Los cuerpos de agua disminuyeron de 14,888.97 hectáreas en 1986 a
11,153.07 hectáreas en 2016, lo que representa un cambio de -25.09% y 3,735.90
hectáreas perdidas, con tasa anual de cambio de 124.53 ha/año. Las áreas quemadas
estuvieron presentes en los tres años evaluados, estos presentaron un aumento de
7,759.08 hectáreas en 1986 a 10,621.98 hectáreas en 2016, lo que representa un
cambio de +36.89% y 2,862.90 hectáreas de vegetación perdida, con tasa anual de
cambio de 95.43 ha/año, indicando que la presencia de incendios forestales en estos
años fue significativa. Finalmente, las áreas destinadas a la agricultura de riego han
sufrido altibajos de cambio. Muestra una disminución de 2,649.96 hectáreas en 1986
a 1,733.22 hectáreas en 2016, lo que representa un cambio de -34.60% y 916.74
hectáreas modificadas. Estas modificaciones negativas se suponen podrían ser por la
fecha de adquisición de la imagen satelital, ya que se podría haber tomado la
temporada de cosecha donde la vegetación ya no está presente en la imagen,
influyendo en la clasificación de coberturas. Sin hacer una descripción detallada de los
cambios que se presentaron entre los lapsos intermedios, en la Figura 4.10 y Tabla
4.17 se muestra el área de cobertura ganada o pérdida para cada una de las clases
de uso de suelos del resto periodos de transición (1986-2000 y 2000-2016).

195000
180000
165000
150000
45000
30000
Cobertura (ha)

15000
0
-15000
-30000
-45000

-135000
-150000
-165000
-180000
1986-2000 2000-2016 1986 - 2016
Uso/cobertura de suelo
(2) Agricultura temporal (3) Agricultura de riego (7) Pastizales (8) Matorrales (9) Veg. ribereña
(14) Bosque perenne (15) Bosque mixto (16) Cuerpos de agua (19) Áreas quemadas
Figura 4.17. Cobertura ganada/pérdida de usos de suelo en la cuenca RC.

108
 La cuenca Alta del Río Conchos presenta mayores cambios sobre la vegetación, con
grandes pérdidas en las áreas de pastizales y bosques mixtos, debido a las actividades
antropogénicas como tala de árboles, sobrepastoreo de ganado e incendios forestales
presentes en la zona, además de la modificación de suelos para inclusión de
agricultura temporal y de riego. El crecimiento de áreas para agricultura temporal se
incrementó de manera considerable en la cuenca, siendo la cobertura de mayor
transformación en la cuenca. Mientras que las zonas de matorrales, bosques perennes
y vegetación rivereña presentaron pequeños aumentos sobre la superficie de la
cuenca. Las áreas de riego presentaron disminuciones pequeñas de área. Los cuerpos
de agua se han reducido en área por posibles reducciones de precipitación y
escurrimiento, y al aumento de evaporación en la zona. Las áreas de incendios
forestales en la cuenca Alta del Río Conchos son frecuentes para los años estudiados.
La cuenca presentó grandes extensiones de área quemada durante los años 1986,
2000 y 2016, siendo para el año 1986 la mayor extensión afectada.

Tabla 4.11. Matriz de cambio de cobertura y uso de suelo entre 1986 y 2016 (porcentajes).
2016
Clases de uso de (2) (3) (7) (8) (9) (14) (15) (16) (19)
suelos Agricultura Agricultura Pastizales Matorrales Vegetación Bosque Bosque Cuerpos Áreas
temporal de riego rivereña perenne mixto de agua quemadas
(2) Agricultura
0.27% 0.00% 0.09% 0.00% 0.00% 0.00% 0.03% 0.00% 0.00%
temporal
(3) Agricultura
0.04% 0.01% 0.04% 0.00% 0.01% 0.01% 0.01% 0.01% 0.00%
de riego
(7) Pastizales 7.68% 0.04% 32.61% 2.31% 0.43% 1.01% 4.41% 0.08% 0.35%
(8) Matorrales 0.14% 0.00% 1.49% 1.20% 0.01% 0.00% 0.02% 0.01% 0.00%
(9) Vegetación
0.00% 0.00% 0.05% 0.00% 0.03% 0.05% 0.06% 0.00% 0.00%
1986

ribereña
(14) Bosque
0.06% 0.01% 0.87% 0.00% 0.02% 9.09% 6.88% 0.00% 0.01%
perenne
(15) Bosque
1.69% 0.02% 5.12% 0.02% 0.12% 6.97% 15.36% 0.00% 0.13%
mixto
(16) Cuerpos
0.02% 0.00% 0.12% 0.01% 0.01% 0.06% 0.07% 0.43% 0.00%
de agua
(19) Áreas
0.03% 0.00% 0.11% 0.00% 0.01% 0.12% 0.10% 0.00% 0.01%
quemadas
Porcentajes referentes al área total de la cuenca.

Para comprender la invasión de tierras para diferentes clases de cobertura y uso de

suelos en los 30 años de estudio (1986-2016), se generó la matriz de detección de
cambios (Tabla 4.11) que revela que, aproximadamente 7.68% de la cobertura de
pastizales se ha convertido en áreas para agricultura temporal, 0.05% en agricultura
de riego, 2.13% bajo matorrales, 4.41% en áreas de bosques mixtos, 1.01% en
bosques perennes, 0.43% en zonas de aparente vegetación ribereña/galería, 0.08%

109
inundado por cuerpos de agua, 0.35% en zonas de área quemada, y solo 32.61% del
área se mantuvo inalterado, equivalente a 678,539 hectáreas; aproximadamente
1.69% de la cobertura de bosques mixtos se convirtieron en áreas para agricultura
temporal, 0.02% en agricultura de riego, 5.12% en áreas de pastizales, 0.02% bajo
matorrales, 6.97% en transición a bosques perennes, 0.12% en zonas supuestas de
vegetación ribereña/galería, 0.13% en zonas de área quemada, y 15.36% se mantuvo
inalterado, equivalente a 319,593.51 hectáreas; aproximadamente 0.06% de la
cobertura de los bosques tipo perenne se modificaron en áreas para agricultura
temporal, 0.01% hectáreas en agricultura de riego, 6.88% en áreas de bosques mixtos,
0.87% en pastizales, 0.02% en zonas supuestas de vegetación ribereña/galería, 0.01%
en zonas de área quemada, y solo 9.09% del área se mantuvo inalterado, equivalente
a 189,232.29 hectáreas; aproximadamente 0.09% de la agricultura temporal se ha
convertido en áreas de pastizales, 0.03% en áreas de bosques mixtos, y 0.27% se
mantuvo inalterado, equivalente a 5,599.62 hectáreas; aproximadamente 1.49% de la
cobertura de matorrales se ha convertido en pastizales, 0.14% en áreas para la
agricultura temporal, 0.02% en áreas de bosques mixtos, 0.01% en bosques perennes,
0.01% en zonas de vegetación ribereña/galería, 0.01% en cuerpos de agua, y solo
1.20% del área se mantuvo inalterado, equivalente a 24,955.74 hectáreas;
aproximadamente 0.05% de la vegetación rivereña/galería fue invadido por pastizales,
0.05% en supuestos de vegetación bosque perenne, 0.06% con presencia de
vegetación bosque mixto, y 0.03% del área se mantuvo inalterado, equivalente a
619.65 hectáreas; aproximadamente 0.02% de cuerpos de agua se convirtieron en
áreas para agricultura temporal, 0.12% en pastizales, 0.01% bajo matorrales, 0.07%
en áreas de supuestos bosques mixtos, 0.06% en zonas de supuestos bosques
perennes, 0.01% en vegetación ribereña/galería, y solo 0.43% del área se mantuvo
inalterado, equivalente a 8,903.34 hectáreas; aproximadamente 0.10% y 0.12% de
área se han restaurado para áreas de bosques mixtos y bosques perennes,
respectivamente. Además, se han convertido 0.11% en áreas de pastizales, 0.03% en
agricultura temporal, 0.01% en vegetación ribereña/galería, y el 0.01% del área sigue
afectado por incendios, que es equivalente a 133.56 hectáreas; Aproximadamente
0.04% de cobertura para agricultura de riego se ha utilizado como agricultura temporal,

110
0.04% se ha convertido en pastizales, 0.01% en áreas de bosques mixtos, 0.01% en
bosques perennes, 0.01% en zonas de vegetación ribereña/galería, 0.01% en cuerpos
de agua, y solo 0.01% de área se muestra inalterado, equivalente a 236.88 hectáreas.
Como ejemplo comparativo, la Figura 4.18 muestra la transición de las coberturas para
cada clase de uso de suelo durante los periodos 1986-2016, 1986-2000 y 2000-2016.

Transición de cobertura 1986-2000

1100000
60000
Transición de cobertura desde 1986 (ha)

Transición de cobertura desde 1986 (ha)

1000000

900000 50000
800000

700000 40000

600000
30000
500000

400000
20000
300000

200000
10000
100000

0 0
Pastizal Bque. perenne Bque. mixto Otros Agr. temporal Agr. riego Matorral Veg. galería Cuerpos aguaÁrea quemada
Uso de suelo al 2000 Uso de suelo al 2000
Agricultura temporal Agricultura de riego Pastizales Agricultura temporal Agricultura de riego Pastizales
Matorrales Veg. galería Bosque perenne Matorrales Veg. galería Bosque perenne
Bosque mixto
Otros
Cuerpos de agua Transición de cobertura 2000-2016
Áreas quemadas Bosque mixto Cuerpos de agua Áreas quemadas

80000
Transición de cobertura desde 2000 (ha)

900000
Transición de cobertura desde 2000 (ha)

800000 70000

700000 60000

600000
50000
500000
40000
400000
30000
300000
20000
200000

100000 10000

0 0
Agr. temporal Pastizal Bque. perenne Bque. mixto Otros Agr. riego Matorral Veg. galería Cuerpos agua Área quemada
Uso de suelo al 2016 Uso de suelo al 2016
Agricultura temporal Agricultura de riego Pastizales Agricultura temporal Agricultura de riego Pastizales
Matorrales Veg. galería Bosque perenne Matorrales Veg. galería Bosque perenne
Transición de cobertura desde 1986 (ha)

900000 Bosque mixto Cuerpos de agua Áreas quemadas

Bosque mixto
Otros
Cuerpos de agua Transición de cobertura 1986-2016
Áreas quemadas

800000 80000
Transición de cobertura desde 1986 (ha)

900000
Transición de cobertura desde 1986 (ha)

800000 700000 70000

700000 600000 60000

600000
500000 50000
500000
400000 40000
400000
300000 30000
300000
200000 20000
200000
100000
100000 10000

0 0
0
Agr. temporal Pastizal Bque. perenne Agr. temporal
Bque. mixto Pastizal
Otros Agr.mixto
Bque. perenne Bque. riego Otros
Matorral Veg. galería Cuerpos agua Área quemada

Uso de suelo al 2016 Uso de suelo al 2016 Uso de suelo al 2016

Agricultura temporal Agricultura deAgricultura
riego Pastizales
temporal Agricultura de riego Agricultura
Pastizales temporal Agricultura de riego Pastizales
Matorrales Veg. galería Matorrales Bosque perenne Veg. galería Matorrales
Bosque perenne Veg. galería Bosque perenne
Bosque mixto Cuerpos de agua Áreas quemadas Bosque mixto Cuerpos de agua Áreas quemadas
Bosque mixto Cuerpos de agua Áreas quemadas
Otros
Otros
Figura 4.18. Transición de coberturas en la cuenca Alta del Río Conchos.

111
 4.3.4 Cambio de uso de suelo cuenca R. Tehuantepec 1986-2000-2015

Los datos obtenidos (Tabla 4.12 y Figura 4.19) revelan que ocurrieron cambios
positivos y negativos sobre coberturas y usos de suelo de la cuenca Río Tehuantepec.
Durante casi tres décadas (1986-2015), las clases de mayor cobertura en el área de
estudio como las selvas caducifolias, han disminuido de 431,163.72 hectáreas en 1986
a 411,445.71 hectáreas en 2015, lo que representa un cambio de -4.57% y 19718.01
hectáreas perdidas, con tasa anual de cambio de 679.93 ha/año. Los bosques mixtos
han disminuido de 218,198.25 hectáreas en 1986 a 180,684.00 hectáreas en 2015, lo
que representa un cambio de -17.19% y 37,514.25 hectáreas perdidas, con tasa anual
de cambio de 1,293.59 ha/año. Las áreas destinadas a la agricultura temporal casi se
mantenían intactas, disminuyendo mínimamente de 151,238.79 hectáreas en 1986 a
151,143.30 hectáreas en 2015, lo que representa un cambio de -0.06% y 95.49
hectáreas perdidas, con tasa anual de cambio de 3.29 ha/año. Mientras que, los
bosques perennes de zonas altas de la cuenca aumentaron de 108,387.72 hectáreas
en 1986 a 147,276.09 hectáreas en 2015, lo que representa un cambio de +35.88% y
38,888.37 hectáreas ganadas, con tasa anual de cambio de 1,340.98 ha/año. Las
clases de menor cobertura también presentaron cambios notorios durante 29 años de
estudio. Los pastizales aumentaron de 17,808.48 hectáreas en 1986 a 51,038.64
hectáreas en 2015, lo que representa un cambio de +186.60% y 33,230.16 hectáreas
ganadas, con tasa anual de cambio de 1,145.87 ha/año.

Tabla 4.12. Escenarios de cambio entre diferentes rangos de tiempo.

Cambio de uso de suelo: Cambio de uso de suelo: Cambio de uso de suelo:
Uso de Suelo
1986-2000 2000-2015 1986-2015
Tasa Tasa Tasa
Cambio Cambio Cambio Cambio Cambio Cambio
anual anual anual
Área (ha) % Área (ha) Área (ha) % Área (ha) Área (ha) % Área (ha)
(2) Agricultura
1 -447,94.35 -29.62 -3,199.60 44,698.86 41.99 2,979.92 -95.49 -0.06 -3.29
temporal
2 (3) Agricultura de riego -6,037.38 -64.95 -431.24 1,134.54 34.82 75.64 -4,902.84 -52.74 -169.06
3 (7) Pastizales 6,675.30 37.48 476.81 26,554.86 108.46 1,770.32 33,230.16 186.60 1,145.87
4 (11) Selva caducifolia 24,989.58 5.80 1,784.97 -44,707.59 -9.80 -2,980.51 -19,718.01 -4.57 -679.93
5 (14) Bosque perenne 53,280.09 49.16 3,805.72 -14,391.72 -8.90 -959.45 38,888.37 35.88 1,340.98
6 (15) Bosque mixto -34,001.19 -15.58 -2,428.66 -3,513.06 -1.91 -234.20 -37,514.25 -17.19 -1,293.59
7 (16) Cuerpos de agua 1,063.08 30.80 75.93 -618.93 -13.71 -41.26 444.15 12.87 15.32
8 (19) Áreas quemadas -1,175.13 -10.27 -83.94 -9,156.96 -89.14 -610.46 -10,332.09 -90.26 -356.28

Las áreas de agricultura de riego disminuyeron de 9,296.10 hectáreas en 1986 a

4,393.26 hectáreas en 2015, lo que representa un cambio de -52.74% y 4,902.84

112
hectáreas modificadas, con tasa anual de cambio de 169.06 ha/año. Del mismo modo
en que sucede para la cuenca Alta del Río Conchos, las disminuciones de agricultura
de riego, se suponen podrían ser por la fecha de adquisición de la imagen satelital, ya
que se podría haber tomado la temporada de cosecha donde la vegetación ya no está
presente en la imagen, influyendo en la clasificación de coberturas. Los cuerpos de
agua aumentaron de 3,451.50 hectáreas en 1986 a 3,895.65 hectáreas en 2015, lo
que representa un cambio de +12.87% y 444.15 hectáreas ganadas, con tasa anual
de cambio de 15.32 ha/año. Los incendios forestales o áreas quemadas fueron
disminuyendo en los años tres evaluados, pasando de 11,447.28 hectáreas en 1986 a
1,115.19 hectáreas en 2015, lo que representa un cambio favorable de -90.26% y
10,332.09 hectáreas de vegetación recuperada, con tasa anual de cambio de 356.28
ha/año. Esto indicó la disminución de incendios forestales durante el periodo 1986-
2015.

55000
50000
45000
40000
35000
30000
Cobertura (ha)

25000
5000
0
-5000
-10000
-15000
-20000
-35000
-40000
-45000
-50000
1986 - 2000 2000 - 2015 1986 - 2015
Uso/cobertura de suelo
(2) Agricultura temporal (3) Agricultura de riego (7) Pastizales (11) Selva caducifolia
(14) Bosque perenne (15) Bosque mixto (16) Cuerpos de agua (19) Áreas quemadas
Figura 4.19. Cobertura ganada/pérdida de usos de suelo en la cuenca RT.

Sin hacer una descripción detallada de los cambios que se presentaron entre los
lapsos intermedios, en la Figura 4.19 y Tabla 4.12 se muestra el área de cobertura

113
ganada o pérdida para cada una de las clases de uso de suelos del resto periodos de
transición (1986-2000 y 2000-2015).

La cuenca del Río Tehuantepec presenta mayores cambios negativos sobre las
coberturas de selva caducifolia y bosques mixtos. La agricultura temporal mostró ligero
cambio en su área, mientras que la cobertura de riego presentó una mayor pérdida de
área, esto supone que la diferencia de fechas de adquisición de la imagen satelital
pudo influir en la clasificación de coberturas debido a que la imagen fue tomada
durante la temporada de cosecha, cuando la vegetación ya no está presente. Las
coberturas vegetales como pastizales y bosques perennes son las áreas con presencia
de cambios positivos. Los cuerpos de agua regularmente presentaron altibajos en área
cubierta, exhibiendo para el año 2015 un aumento positivo de área cubierta. La cuenca
del Río Tehuantepec presentó reducción en las áreas quemadas durante los tres años
de estudio, siendo el año 2015 de mayor reducción de este problema. Las áreas de
incendios forestales son frecuentes para los años estudiados de las cuencas del Río
Tehuantepec. Los incendios forestales sobre las cuencas de estudio, así como en el
resto de la república mexicana, son un problema delicado que afecta miles de
hectáreas cada año.

Tabla 4.13. Matriz de cambio de cobertura y uso de suelo entre 1986 y 2015 (porcentaje).
2015
Clases de uso de (2) (3) (7) (11) (14) (15) (16) (19)
suelos Agricultura Agricultura Pastizales Selva Bosque Bosque Cuerpos Áreas
temporal de riego caducifolia perenne mixto de agua quemadas
(2) Agricultura
8.87% 0.06% 1.30% 4.51% 0.20% 0.93% 0.02% 0.00%
temporal
(3) Agricultura
0.35% 0.12% 0.01% 0.14% 0.13% 0.22% 0.00% 0.00%
de riego
(7) Pastizales 0.50% 0.00% 0.56% 0.74% 0.00% 0.08% 0.00% 0.00%
(11) Selva
3.77% 0.09% 2.42% 33.52% 1.60% 3.90% 0.02% 0.00%
caducifolia
1986

(14) Bosque
0.24% 0.01% 0.10% 0.63% 7.42% 2.94% 0.00% 0.07%
perenne
(15) Bosque
2.13% 0.17% 0.86% 3.69% 5.59% 10.46% 0.00% 0.04%
mixto
(16) Cuerpos
0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.36% 0.00%
de agua
(19) Áreas
0.04% 0.00% 0.11% 0.04% 0.53% 0.47% 0.01% 0.01%
quemadas
Porcentajes referentes al área total de la cuenca.

La matriz de detección de cambios (Tabla 4.13) revela la invasión de tierras para

diferentes clases de cobertura y uso de suelos durante 29 años (1986-2015). Los
resultados indican que aproximadamente 2.42% de la cobertura de selvas caducifolias

114
se ha convertido en pastizales, 3.37% en áreas para la agricultura temporal, 0.09% en
agricultura de riego, 3.90% en áreas de bosques mixtos, 1.60% en bosques perennes,
0.02% en cuerpos de agua, y 33.52% del área se mantuvo intacto, equivalente a
318,816 hectáreas; aproximadamente 2.13% de la cobertura de bosques mixtos se
convirtieron en áreas para agricultura temporal, 0.17% en agricultura de riego, 0.86%
en áreas de pastizales, 3.69% bajo selva caducifolia, 5.59% en bosques perennes,
0.04% en zonas de área quemada, y 10.46% de su área se mantuvo sin alteraciones,
que es equivalente a 99,458.37 hectáreas; aproximadamente 0.06% de la agricultura
temporal se ha convertido en áreas para agricultura de riego, 4.51% bajo selva
caducifolia, 1.30% en pastizales, 0.93% en áreas de bosques mixtos, 0.20% en
bosques perennes, 0.02% en cuerpos de agua, y solo 8.87% de su área se mantuvo
intacto, equivalente a 84,323.52 hectáreas; aproximadamente 0.24% de la cobertura
de los bosques tipo perenne se modificaron en áreas para agricultura temporal, 0.01%
en agricultura de riego, 0.63% bajo selva caducifolia; 2.94% en áreas de bosques
mixtos, 0.10% en pastizales, 0.07% en zonas de área quemada, y el 7.42% se mantuvo
sin alteraciones, equivalente a 70,552.26 hectáreas; aproximadamente 0.50% de la
cobertura de pastizales se ha convertido en áreas para agricultura temporal, 0.74%
bajo selva caducifolia, 0.08% en áreas de bosques mixtos, y solo el 0.56% de su
cobertura permaneció intacta, equivalente a 5,296.59 hectáreas; aproximadamente
0.35% de cobertura para agricultura de riego se ha convertido en áreas para agricultura
temporal, 0.01% en pastizales, 0.14% en selva caducifolia, 0.22% en áreas de bosques
mixtos, 0.13% en bosques perennes, y el 0.12% se mantuvo sin modificaciones, que
es equivalente a 1,151.01 hectáreas; aproximadamente 0.47% y 0.53% de áreas
quemadas se han restaurado para áreas de bosques mixtos y bosques perennes,
respectivamente. Además, se han transformado 0.11% en pastizales, 0.04% en selva
caducifolia, 0.04% en área para agricultura temporal, 0.01% en zonas de agua, y el
0.01% del área sigue afectado por incendios, equivalente a 84.96 hectáreas;
finalmente los cuerpos de agua se mantuvieron con una cobertura de 0.36%,
equivalente a 3,451.50 hectáreas. Como ejemplo comparativo, la Figura 4.20 muestra
la transición de las coberturas para cada clase de uso de suelo durante los periodos
1986-2015, 1986-2000 y 2000-2015.

115
 Transición de cobertura 1986-2000
500000
Transición de cobertura desde 1986 (ha)

Transición de cobertura desde 1986 (ha)

450000
25000
400000

350000 20000

300000

250000 15000

200000
10000
150000

100000
5000
50000

0 0
Agr. temporal Caducifolia Bque. perenne Bque. mixto Otros Agr. riego Pastizal Cuerpos agua Área quemada
Uso de suelo al 2000 Uso de suelo al 2000
Agricultura temporal Agricultura de riego Pastizales Agricultura temporal Agricultura de riego Pastizales
Selva caducifolia Bosque perenne Bosque mixto Selva caducifolia Bosque perenne Bosque mixto
Cuerpos de agua
Otros
Transición de cobertura 2000-2015
Áreas quemadas Cuerpos de agua Áreas quemadas
450000
60000
Transición de cobertura desde 2000 (ha)

Transición de cobertura desde 2000 (ha)

400000 55000
50000
350000
45000
300000
40000

250000 35000
30000
200000
25000
150000 20000

100000 15000
10000
50000
5000
0 0
Agr. temporal Caducifolia Bque. perenne Bque. mixto Otros Agr. riego Pastizal Cuerpos agua Área quemada
Uso de suelo al 2015 Uso de suelo al 2015
Agricultura temporal Agricultura de riego Pastizales Agricultura temporal Agricultura de riego Pastizales
Selva caducifolia Bosque perenne Bosque mixto Selva caducifolia Bosque perenne Bosque mixto
Cuerpos de agua
Otros
Áreas Transición de cobertura 1986-2015
450000quemadas Cuerpos de agua Áreas quemadas
Transición de cobertura desde 1986 (ha)

450000
Transición de cobertura desde 1986 (ha)

400000 55000
Transición de cobertura desde 1986 (ha)

400000
350000 50000
350000
45000
300000
300000 40000
250000 35000
250000
30000
200000
200000
25000

150000 150000 20000

100000 15000
100000
10000
50000 50000
5000
0 0 0
Agr. temporal Caducifolia Bque. perenne Agr.
Bque. mixto
temporal Otros
Caducifolia Bque. perenne Bque. mixto
Agr. riego Otros
Pastizal Cuerpos agua Área quemada
Uso de suelo al 2015 Uso de suelo al 2015 Uso de suelo al 2015
Agricultura temporal Agricultura de riegoAgricultura
Pastizales
temporal Agricultura de riego Agricultura
Pastizales
temporal Agricultura de riego Pastizales
Selva caducifolia Bosque perenne Selva caducifolia
Bosque mixto Bosque perenne SelvaBosque
caducifolia
mixto Bosque perenne Bosque mixto
Cuerpos de agua Áreas quemadas Cuerpos de agua Áreas quemadas Cuerpos de agua Áreas quemadas
Otros
Figura 4.20. TransiciónOtros
de coberturas en la cuenca del Río Tehuantepec.

4.3.5 Medición de la precisión

Los resultados sobre la precisión de clasificación supervisada para los tres periodos
temporales de la cuenca Alta del Río Conchos (2005, 2010, 2016) y la cuenca Río

116
Tehuantepec (1986, 2000, 2015), se muestran en las Tablas 4.14-4.16 y 4.17-4.19,
respectivamente.

Tabla 4.14. Matriz de error de la clasificación de usos de suelo del año 1986, Alta Río Conchos.
Clases AT AR PA MA VR BP BM CA AQ Total PP PU
AT 6 0 0 1 0 0 0 0 0 7 85.71% 60.00%
AR 0 2 0 0 0 0 0 0 0 2 100.00% 100.00%
PA 4 0 44 4 0 4 0 0 0 56 78.57% 91.67%
MA 0 0 1 10 0 0 0 0 0 11 90.91% 66.67%
VR 0 0 0 0 1 0 0 0 0 1 100.00% 100.00%
BP 0 0 2 0 0 29 2 0 0 33 87.88% 64.44%
BM 0 0 1 0 0 12 24 0 0 37 64.86% 92.31%
CA 0 0 0 0 0 0 0 2 0 2 100.00% 100.00%
AQ 0 0 0 0 0 0 0 0 1 1 100.00% 100.00%
Total 10 2 48 15 1 45 26 2 1 150
Precisión general 79.33 % Estadístico Kappa 0.73
AT= Agricultura temporal, AR= Agricultura de riego, PA= Pastizales, MA= Matorrales, VR= Vegetación rivereña, BP= Bosque
perenne, BM= Bosque mixto, CA= Cuerpo de agua, AQ= Área quemada. PP= Precisión del productor, PU= Precisión del usuario.

Tabla 4.15. Matriz de error de la clasificación de usos de suelo del año 2000, Alta Río Conchos.
Clases AT AR PA MA VR BP BM CA AQ Total PP PU
AT 7 0 0 0 0 2 0 0 0 9 77.78% 77.78%
AR 0 4 0 0 0 0 0 0 0 4 100.00% 100.00%
PA 2 0 50 2 0 3 1 0 0 58 86.21% 94.34%
MA 0 0 0 7 0 0 0 0 0 7 100.00% 77.78%
VR 0 0 0 0 3 0 0 0 0 3 100.00% 100.00%
BP 0 0 0 0 0 19 2 0 0 21 90.48% 50.00%
BM 0 0 3 0 0 14 24 0 0 41 58.54% 88.89%
CA 0 0 0 0 0 0 0 2 0 2 100.00% 100.00%
AQ 0 0 0 0 0 0 0 0 5 5 100.00% 100.00%
Total 9 4 53 9 3 38 27 2 5 150
Precisión general 80.67 % Estadístico Kappa 0.75

Tabla 4.16. Matriz de error de la clasificación de usos de suelo del año 2016, Alta Río Conchos.
Clases AT AR PA MA VR BP BM CA AQ Total PP PU
AT 14 0 7 0 0 0 0 0 0 21 66.67% 93.33%
AR 0 3 0 0 0 0 0 0 0 3 100.00% 100.00%
PA 1 0 52 2 0 1 0 0 0 56 92.86% 85.25%
MA 0 0 1 7 0 0 0 0 0 8 87.50% 77.78%
VR 0 0 0 0 2 0 0 0 0 2 100.00% 100.00%
BP 0 0 0 0 0 28 1 0 0 29 96.55% 71.79%
BM 0 0 1 0 0 10 14 0 0 25 56.00% 93.33%
CA 0 0 0 0 0 0 0 3 0 3 100.00% 100.00%
AQ 0 0 0 0 0 0 0 0 3 3 100.00% 100.00%
Total 15 3 61 9 2 39 15 3 3 150
Precisión general 84.00 % Estadístico Kappa 0.79

Tabla 4.17. Matriz de error de la clasificación de usos de suelo del año 1986, Río Tehuantepec.
Clases AT AR PA SC BP BM CA AQ Total PP PU
AT 11 0 2 6 1 1 0 0 21 52.38% 84.62%
AR 1 3 0 2 0 0 0 0 6 50.00% 100.00%
PA 0 0 8 0 1 0 0 0 9 88.89% 61.54%
SC 1 0 2 43 4 4 0 0 54 79.63% 84.31%
BP 0 0 0 0 22 0 0 0 22 100.00% 56.41%
BM 0 0 1 0 11 11 0 0 23 47.83% 68.75%
CA 0 0 0 0 0 0 2 0 2 100.00% 100.00%
AQ 0 0 0 0 0 0 0 3 3 100.00% 100.00%
Total 13 3 13 51 39 16 2 3 140
Precisión general 73.57 % Estadístico Kappa 0.66
AT= Agricultura temporal, AR= Agricultura de riego, PA= Pastizales, SC= Selva caducifolia, BP= Bosque perenne, BM= Bosque
mixto, CA= Cuerpo de agua, AQ= Área quemada. PP= Precisión del productor, PU= Precisión del usuario.

117
 Tabla 4.18. Matriz de error de la clasificación de usos de suelo del año 2000, Río Tehuantepec.
Clases AT AR PA SC BP BM CA AQ Total PP PU
AT 8 1 2 1 0 0 0 0 12 66.67% 80.00%
AR 1 3 0 0 0 0 0 0 4 75.00% 75.00%
PA 0 0 6 0 0 1 0 0 7 85.71% 75.00%
SC 1 0 0 48 9 4 0 0 62 77.42% 94.12%
BP 0 0 0 1 22 5 0 0 28 78.57% 59.46%
BM 0 0 0 1 6 14 0 0 21 66.67% 56.00%
CA 0 0 0 0 0 0 2 0 2 100.00% 100.00%
AQ 0 0 0 0 0 1 0 3 4 75.00% 100.00%
Total 10 4 8 51 37 25 2 3 140
Precisión general 75.71 % Estadístico Kappa 0.68

Tabla 4.19. Matriz de error de la clasificación de usos de suelo del año 2015, Río Tehuantepec.
Clases AT AR PA SC BP BM CA AQ Total PP PU
AT 16 0 2 1 0 0 0 0 19 84.21% 84.21%
AR 1 4 0 0 0 1 0 0 6 66.67% 80.00%
PA 0 0 7 1 0 1 0 0 9 77.78% 63.64%
SC 1 1 1 40 0 12 0 0 55 72.73% 90.91%
BP 0 0 0 0 12 6 0 0 18 66.67% 100.00%
BM 1 0 1 2 0 26 0 0 30 86.67% 56.52%
CA 0 0 0 0 0 0 2 0 2 100.00% 100.00%
AQ 0 0 0 0 0 0 0 1 1 100.00% 100.00%
Total 19 5 11 44 12 46 2 1 140
Precisión general 77.14 % Estadístico Kappa 0.70

En la cuenca Alta del Río Conchos la mayor precisión se encontró para la clasificación
de uso de suelo del año 2016 (84.00 %) y la más baja para el año 1986 (79.33 %),
mientras que en la cuenca Río Tehuantepec se encontró una mayor precisión de uso
de suelo para el año 2015 (77.14 %) y una mínima para el año 1986 (73.57 %). La
precisión estadístico Kappa indica valores para la cuenca Alta del Río Conchos de 0.73
para la clasificación de 1986, 0.75 para la clasificación del año 2000 y 0.79 para la
clasificación del año 2016, mientras que para la cuenca Río Tehuantepec presenta
valores de 0.66 para la clasificación de 1986, 0.68 para la clasificación del año 2000 y
0.70 para la clasificación del año 2015 esto indica que se tiene una precisión aceptable
en la clasificación de ambas cuencas (Landis y Koch, 1977). La precisión general de
la clasificación supervisada junto con el valor estadístico Kappa para los usos de suelo
de los años 1986, 2000, 2015 y 2016, se consideró buena para la detección de cambios
de usos de suelo en la cuenca Alta del Río Conchos y Río Tehuantepec.

118
4.4 CONCLUSIONES

El análisis de cambio de uso de suelo en la cuenca Alta del Río Conchos y Río
Tehuantepec para un periodo de treinta años (1986-2016) revela que ha existido
alteraciones significativas sobre las coberturas y usos de suelo, especialmente sobre
las coberturas de mayor extensión territorial. Las principales coberturas de la cuenca
Alta Río Conchos y Tehuantepec han sido afectadas y modificadas derivado de
actividades antropogénicas (deforestación, agricultura y ganadería) e incendios
forestales. El aumento de áreas para la agricultura de temporal y la pérdida de áreas
de vegetación (bosques mixtos/perennes, pastizales y selvas caducifolias) son los
mayores conflictos dentro de las cuencas, en las que deben ponerse mayor atención
en un futuro.

Para el año 2016 los pastizales cubrían principalmente la superficie de la cuenca Alta
del Río Conchos. Los pastizales y bosques mixtos han disminuido en un 17.19 % y
8.50 % respectivamente en relación a la superficie de 1986, mientras que los
matorrales y el uso de tierra para la agricultura de temporal han presentado aumentos
de extensión territorial de 23.70 % y 278.77 % respectivamente. La cobertura
mayormente desplazada son los pastizales, principalmente por el aumento de áreas
para la agricultura de temporal y el crecimiento de matorrales, seguido de áreas de
bosques mixtos e incendios forestales. El 59% de todas las coberturas existentes de
la cuenca Alta del Río Conchos se conservaron intactos hasta el año 2016, mientras
el resto sufrió alteraciones en los 30 años de estudio.

La cuenca del Río Tehuantepec presenta para el año 2015 una extensión mayormente
cubierta por vegetación tipo selva caducifolia. Los bosques mixtos y selvas caducifolias
se han visto reducidos en un 17.19 % y 4.57 % respectivamente en relación al año
1986, mientras que los pastizales y bosques perennes han presentado aumentos de
hasta 186.60 % y 35.88 % respectivamente. Los bosques mixtos y selvas caducifolias
son las más afectadas al sufrir los desplazamientos debido a la agricultura temporal,
pastizales y la transición de bosques mixtos a perennes. El 61% de todas las
coberturas de la cuenca Río Tehuantepec no presentaron modificaciones hasta el año
2015, mientras el resto sufrió alteraciones en los 29 años de estudio.
119
4.5 REFERENCIAS. ANÁLISIS DEL CAMBIO DE USO DE SUELO

Anderson, J. R., Hardy, E. E., Roach, J. T., y Witmer, R. E. (1976). A Land Use And Land Cover
Classification System For Use With Remote Sensor Data. Geological Survey, (671), 1–28.
Ariza, A., Roa, O. J., Serrato, P. K., y León, H. A. (2018). Uso de índices espectrales derivados de
sensores remotos para la caracterización geomorfológica en zonas insulares del Caribe
colombiano. Revista Perspectiva Geográfica, 23(1), 105–122.
Bocco, G., Mendoza, M., y Masera, O. R. (2001). La dinámica del cambio del uso del suelo en
Michoacán. Una propuesta metodológica para el estudio de los procesos de deforestación.
Investigaciones Geograficas, Boletín Del Instituto de Geografía, UNAM, 44, 18–38.
Carreón, E. H., Pinedo, C. A., y Lafón, A. T. (2001). Aplicación de tecnología geoespacial en el estudio
de cuencas: caso Río Conchos. ANEI. XI Congreso Nacional de Irrigación. Simposio 5. Manejo
Integral de Cuencas. Guanajuato, México., 15–22.
Chander, G., Markham, B. L., y Helder, D. L. (2009). Summary of current radiometric calibration
coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment,
113(5), 893–903. https://doi.org/10.1016/j.rse.2009.01.007
Chowdhury, M., Hasan, M. E., y Abdullah-Al-Mamun, M. M. (2018). Land use/land cover change
assessment of Halda watershed using remote sensing and GIS. Egyptian Journal of Remote
Sensing and Space Science, 1–12. https://doi.org/10.1016/j.ejrs.2018.11.003
Cuevas, M. L., Garrido, A., Pérez, J. L., y Iura, D. (2010). Procesos de cambio de uso de suelo y
degradación de la vegetación natural-Estado actual de la vegetación en las cuencas de México.
En Las Cuencas Hidrográficas de México (p. 232).
https://doi.org/10.1200/JCO.2016.34.15_suppl.TPS10583
El Bastawesy, M., Gabr, S., y Mohamed, I. (2014). Assessment of hydrological changes in the Nile River
due to the construction of Renaissance Dam in Ethiopia. Egyptian Journal of Remote Sensing and
Space Science, 18(1), 65–75. https://doi.org/10.1016/j.ejrs.2014.11.001
Enderle, D. I. M., y Weih jr., R. C. (2005). Integrating Supervised and Unsupervised Classification
Methods to Develop a More Accurate Land Cover Classification. Journal of the Arkansas Academy
of Science, 59(10), 65–73.
Gómez, L. (2013). Análisis de la dinamica espacial y temporal del cambio de uso de suelo y vegetación
en la parte oaxaqueña del ISTMO de Tehuantepec, México. Universidad Nacional Autónoma de
México.
Gómez, L., Vega, E., Ramírez, M. I., Palacio, J. L., y Galicia, L. (2006). Projecting land-use change
processes in the Sierra Norte of Oaxaca, Mexico. Applied Geography, 26(3–4), 276–290.
https://doi.org/10.1016/j.apgeog.2006.09.003
Green, K., Congalton, R. G., y Tukman, M. (2017). Image classification. In Imagery and GIS: Best
practices for extracting information from imagery (p. 437). New York, USA: esri PRESS.
Hadjimitsis, D. G., Papadavid, G., Agapiou, A., Themistocleous, K., Hadjimitsis, M. G., Retalis, A., … I.
Clayton, C. R. (2010). Atmospheric correction for satellite remotely sensed data intended for
agricultural applications: Impact on vegetation indices. Natural Hazards and Earth System Science,
10(1), 89–95. https://doi.org/10.5194/nhess-10-89-2010
Hegazy, I. R., y Kaloop, M. R. (2015). Monitoring urban growth and land use change detection with GIS
and remote sensing techniques in Daqahlia governorate Egypt. International Journal of Sustainable
Built Environment, 4(1), 117–124. https://doi.org/10.1016/j.ijsbe.2015.02.005
INEGI. (2014). “Áreas Geoestadísticas Municipales,2012”, escala: 1:250000. Instituto Nacional de
Estadística y Geografía (INEGI). Marco Geoestadístico 2013 versión 6.0c (Inventario Nacional de
Viviendas 2012). Aguascalientes, Ags., México. Consultado desde
http://www.conabio.gob.mx/informacion/metadata/gis/muni_2012gw.xml?_httpcache=yes&_xsl=/
db/metadata/xsl/fgdc_html.xsl&_indent=no
INEGI. (2017). “Conjunto de Datos Vectoriales de Uso de Suelo y Vegetación. Escala 1:250 000. Serie
VI (Capa Union)”, escala: 1:250 000. edición: 1. Instituto Nacional de Estadística y Geografía.
Aguascalientes, México. Consultado desde
http://www.conabio.gob.mx/informacion/metadata/gis/usv250s6gw.xml?_httpcache=yes&_xsl=/db
/metadata/xsl/fgdc_html.xsl&_indent=no
Islam, K., Jashimuddin, M., Nath, B., y Nath, T. K. (2018). Land use classification and change detection
by using multi-temporal remotely sensed imagery: The case of Chunati wildlife sanctuary,

120
 Bangladesh. Egyptian Journal of Remote Sensing and Space Science, 21(1), 37–47.
https://doi.org/10.1016/j.ejrs.2016.12.005
Jain, S. K., Jain, S. K., Hariprasad, V., y Choudhry, A. (2011). Water Balance Study for a Basin
Integrating Remote Sensing Data and GIS. Journal of the Indian Society of Remote Sensing, 39(2),
259–270. https://doi.org/10.1007/s12524-011-0078-2
Jensen, J. R. (2005). Thematic information extraction: Pattern recognition. En D. E. Kaveney (Ed.),
Introduction Digital Imagen Processinng (p. 526). New York, USA: Pearson Prentice Hall.
Kabanda, T. H., y Palamuleni, L. G. (2013). Land use/cover changes and vulnerability to flooding in the
Harts catchment, South Africa. South African Geographical Journal, 95(1), 105–116.
https://doi.org/10.1080/03736245.2013.806165
Karlsson, A. (2003). Classification of high resolution satellite images. Chalmers University of Technology.
Consultado desde file:///C:/Users/leuna/Downloads/TPD_Karlsson.pdf
Lal, A. M., y Anouncia, S. M. (2015). Semi-supervised change detection approach combining sparse
fusion and constrained k means for multi-temporal remote sensing images. Egyptian Journal of
Remote Sensing and Space Science, 18(2), 279–288. https://doi.org/10.1016/j.ejrs.2015.10.002
Lambin, E. F., Turner, B. L., Geist, H. J., Agbola, S. B., Angelsen, A., Bruce, J. W., … Xu, J. (2001). The
causes of land-use and land-cover change: Moving beyond the myths. Global Environmental
Change, 11(4), 261–269. https://doi.org/10.1016/S0959-3780(01)00007-3
Landis, J. R., y Koch, G. G. (1977). The measurement of observer agreement for categorical data.
Biometrics, 33(1), 159–174. https://doi.org/10.2307/2529310
Lu, D., Mausel, P., Brondízio, E., y Moran, E. (2004). Change Detection Techniques. International
Journal of Remote Sensing, 25(12), 2365–2407. https://doi.org/10.1080/0143116031000139863
Musick, H. B. (1983). Assessment of Landsat Multispectral Scanner Spectral Indexes for Monitoring Arid
Rangeland. IEEE Transactions on Geoscience and Remote Sensing, GE-22(6), 512–519.
https://doi.org/10.1109/tgrs.1984.6499162
Myneni, R. B., Hall, F. G., Sellers, P. J., y Marshak, A. L. (1995). Interpretation of spectral vegetation
indexes. IEEE Transactions on Geoscience and Remote Sensing, 33(2), 481–486.
https://doi.org/10.1109/36.377948
Niblack, W. (1986). Classification. En An introduction to digital imagen processing (p. 215). Londres,
Gran Bretaña: Prentice-Hall International.
Paz, F., Romero, M. E., Palacios, E., Bolaños, M., Valdez, J. R., y Aldrete, A. (2014). Alcances Y
Limitaciones De Los Índices Espectrales De La Vegetación: Marco Teórico. Terra
Latinoamericana, 32(3), 177–194.
Peng, B., Yang, K., Li, J., y Zhang, S. (2014). Runoff simulation of land-use changes based on the
different slopes of Erhai basin by using SWAT model. Proceedings - 2014 22nd International
Conference on Geoinformatics, Geoinformatics 2014, (20).
https://doi.org/10.1109/GEOINFORMATICS.2014.6950793
Rawat, J. S., y Kumar, M. (2015). Monitoring land use/cover change using remote sensing and GIS
techniques: A case study of Hawalbagh block, district Almora, Uttarakhand, India. Egyptian Journal
of Remote Sensing and Space Science, 18(1), 77–84. https://doi.org/10.1016/j.ejrs.2015.02.002
Rodríguez, J. A., Carreón, E., Lafon, A., Santos, J., y Ruiz, R. (2017). Cambio de uso de suelo en la
cuenca Alta del Río Conchos, Chihuahua, México. En La cuenca Alta del Río Conchos: Una mirada
desde las ciencias ante el cambio climático. (pp. 156–203).
Rodríguez, J. A., Grijalva, I., y Barrios, E. (2013). Lecciones aprendidas en la conservación de suelos
en la cuenca alta del Río Conchos. Memorias Del III Congreso Nacional de Manejo de Cuencas
Hidrográficas, Morelia, (8), 39–47.
Rouse, J. W., Hass, R. H., Schell, J. A., y Deering, D. W. (1974). Monitoring vegetation systems in the
great plains with ERTS. Third Earth Resources Technology Satellite (ERTS) Symposium, 1, 309–
317. https://doi.org/19740022614
Singh, A. (1989). Review Article: Digital Change Detection Techniques Using Remotely-Sensed Data.
International Journal of Remote Sensing, 10(6), 989–1003.
https://doi.org/10.1080/01431168908903939
Soesbergen, A. (2016). A review of Land-Use change models (John D. an). Cambridge, UK: United
Nations Environment Programme.
Storey, J., Choate, M., y Lee, K. (2014). Landsat 8 operational land imager on-orbit geometric calibration
and performance. Remote Sensing, 6(11), 11127–11152. https://doi.org/10.3390/rs61111127

121
Thakkar, A. K., Desai, V. R., Patel, A., y Potdar, M. B. (2017). Post-classification corrections in improving
the classification of Land Use/Land Cover of arid region using RS and GIS: The case of Arjuni
watershed, Gujarat, India. Egyptian Journal of Remote Sensing and Space Science, 20(1), 79–89.
https://doi.org/10.1016/j.ejrs.2016.11.006
Uribe, N. (2010). Conceptos básicos y guía rápida para el usuario. Versión SWAT2005. SWAT Soil and
Water Assessment Tool, 1–47. Consultado desde http://swat.tamu.edu/media/46967/swat2005-
tutorial-spanish.pdf
USGS. (2018). Global land cover characteristics data base version 2.0. Consultado desde https://prd-
wret.s3.us-west-2.amazonaws.com/assets/palladium/production/s3fs-
public/atoms/files/GlobalLandCoverCharacteristicsDataBaseReadmeVersion2.pdf
USGS. (2019a). EarthExplorer. Consultado el 5 de Mayo, 2019, desde https://earthexplorer.usgs.gov/
USGS. (2019b). GloVis. Consultado el 5 de Mayo, 2019, desde https://glovis.usgs.gov/app?fullscreen=1
USGS. (2019c). Landsat 8 (L8) Data Users Handbook Version 4.0. Department of the Interior, U.S.
Geological Survey, 4. Consultado desde https://prd-wret.s3-us-west-
2.amazonaws.com/assets/palladium/production/atoms/files/LSDS-
1574_L8_Data_Users_Handbook_v4.0.pdf

122
5 SIMULACIÓN DE ESCORRENTÍA SWAT

5.1 INTRODUCCIÓN

El cambio de uso y cobertura de suelo representa uno de los principales factores del
cambio ambiental global con un impacto significativo sobre los recursos hídricos (Song
et al., 2018), con alteraciones sobre el flujo de energía, agua y gases de efecto
invernadero entre la tierra y la atmósfera (Sleeter et al., 2018). Las características del
suelo tienen influencias significativas en la hidrología de una cuenca hidrográfica al
afectar la infiltración de lluvia, la generación de escorrentía, los flujos por tierra y por
ríos, y otros procesos hidrológicos (Li et al., 2019), siendo los cambios de escurrimiento
superficial y la generación de sedimentos las principales respuestas hidrológicas
presentes ante los cambios de uso de suelo de una cuenca (Sinha y Eldho, 2018). Por
tanto, el proceso de escorrentía superficial y los regímenes de flujo podrían afectarse
significativamente por cualquier alteración sobre la superficie terrestre de una cuenca
(Bronstert, Niehoff, y Brger, 2002).

Un enfoque para estudiar los cambios en las cuencas es mediante el uso de modelos
que permiten incorporar variables y predecir resultados a futuro usando datos
históricos (Sinha y Eldho, 2018). Por ejemplo, Hu et al. (2020) mediante el modelo
SCS-CN analizaron el cambio de uso de suelo (1984, 1999, 2009 y 2019) y su efecto
sobre la escorrentía superficial en Beijing, China, destacando un aumento de
escorrentía durante 1984-2009 y una disminución durante 2009-2019, fuertemente
determinados por el cambio de suelo urbanizado. Así mismo Hajian et al. (2019)
muestran para la cuenca forestal al norte de Irán, el comportamiento de escorrentía
superficial debido a los cambios de uso de suelo por deforestación en el lugar,
señalando que la deforestación puede generar un aumento real de descargas y ser
propenso a inundaciones. Mediante el uso del modelo VIC, Garg et al. (2019) muestran
los cambios de uso de suelo (1985, 1995 y 2005) y escorrentía superficial para una
cuenca en la India, en donde se encontraron aumentos de paisaje urbano (0.14 %) y
disminución de bosques (0.07 %), lo que generó un aumento de escurrimiento
superficial (45 %). Berihun et al. (2019) determinaron a través de un modelo empírico
el escurrimiento superficial y la evapotranspiración de tres subcuencas de Etiopía, a
123
partir de la elaboración de mapas de uso de suelo (1982, 2005/06, y 2016/17)
mostraron una disminución de la cubierta vegetal (60.2 %-51.8 %) e incrementos de
tierras de cultivo (36.7 %-279.6 %) que provocaron en conjunto aumentos de
escorrentía superficial (4 %-28.7 %) y evapotranspiración (33.6 %-42.1 %). Mediante
el uso del modelo WetSpa, Karamage et al. (2017) generaron un estudio para evaluar
los cambios de escurrimiento superficial en Ruanda, África, a partir de mapas de uso
de suelo (1990, 2000, 2010 y 2016) encontraron que durante el periodo 1990-2016 se
perdieron coberturas de bosque (64.5 %) y pastizal (32.1 %) e incrementaron las tierras
de cultivo (135.3 %) y zonas urbanas (304.3 %), provocando un aumento de
escorrentía media nacional de Ruanda (0.38%).

Uno de los modelos ampliamente usados para la simulación de escurrimientos

superficiales en cuencas incorporando el cambio de uso de suelo es la herramienta de
evaluación del suelo y agua (SWAT) (Sinha y Eldho, 2018). Por ejemplo, Li et al. (2019)
destacan la reducción de escorrentía en la cuenca del río Wei en China debido a los
cambios y expansión de tierras de cultivo en el periodo 1980-2005. Zhang et al. (2019)
definieron escenarios de cambio para la simulación de la escorrentía en la cuenca del
río Hun en China, encontrando una reducción de escorrentía debido a las tierras de
cultivo durante la época de secas, y un aumento en temporada de lluvias. Mientras
Martínez et al. (2020) señalan para cuenca del río Andalien en la zona centro-sur de
Chile, durante un periodo de 30 años (1984–2013), los cambios en el uso del suelo de
la región muestran una disminución significativa sobre los flujos anuales totales. Otros
autores reportan que el escurrimiento superficial aumenta con los cambios de uso de
suelo, por ejemplo, Kavian et al. (2018) señalan en el río Talar al norte de Irán que el
escurrimiento aumenta de 34.4 % y 42.2 % entre 1991 y 2013, así mismo Mekonnen
et al. (2017) destacan que en el periodo de 1970 a 2000 el escurrimiento incrementó
en 15.6 % debido al cambio de suelo y cambio climático en la cuenca del río Nilo Azul
en Etiopia, principalmente por el crecimiento agrícola y reducción de área forestal.

En México, Ortiz (2010) utilizó SWAT en la cuenca Lago de Cuitzeo, Michoacán y

encontró que existe una reducción del escurrimiento superficial anual por el cambio
uso de suelo entre 1975 y 2008, propiciado por la recuperación de la vegetación

124
natural. Conde (2019) analizó el escurrimiento bajo dos escenarios de uso de suelo
(2016-2025) en dos subcuencas costeras de Jalisco y encontró un decremento de
escurrimiento superficial relacionado a la disminución en la precipitación. Por otro lado,
Osorio (2017) señala un aumento de escorrentía y erosión generada durante el periodo
1980-2014, principalmente por el aumento de precipitaciones en la subcuenca
Huichihuayán-Huehuetlán, San Luis Potosí. Así mismo, Rodríguez (2016) indica un
incremento en la escorrentía superficial de 12.91% para el escenario de deforestación,
y una disminución de 5.20% cuando existe reforestación en la cuenca del río Misantla,
en Veracruz. Bueno et al. (2014) señalan que, aunque se presenta un crecimiento de
vegetación en las cuencas Río Nazas-Rodeo y Arroyo Naitcha, estas registran un
aumento en el escurrimiento durante cinco años de cambio en la superficie (1999-
2003).

En México, cerca de la mitad del territorio ha sido modificado intensamente, y en los

últimos años la tasa de transformación de la vegetación natural ha decrecido, aunque
aún existen grandes pérdidas significativas en ciertos ecosistemas de la república
mexicana (SEMARNAT, 2016). La cuenca Alta del Río Conchos y Río Tehuantepec
son cuencas de gran importancia en la región norte y sur respectivamente, no solo por
la generación de energía eléctrica sino también porque suministran de agua de riego
para las zonas agrícolas y han presentado alteraciones negativas por la reducción de
los grandes ecosistemas primarios (Cuevas, Garrido, Pérez, y Iura, 2010; Rodríguez,
Carreón, Lafon, Santos, y Ruiz, 2017), por lo que las alteraciones significativas sobre
su hidrología podrían ser inminentes. Los antecedentes relacionados a los impactos
de escurrimiento superficial bajo el cambio de uso de suelo en la cuenca Alta del Río
Conchos y Río Tehuantepec son escasos, principalmente para la cuenca Río
Tehuantepec. Por esta razón, el presente capítulo tiene por objetivo analizar el efecto
de cambio de uso de suelo sobre la escorrentía durante un periodo de treinta años
(1986-2015/16) para las cuencas Alta del Río Conchos y Río Tehuantepec mediante
el uso del modelo SWAT.

125
5.2 MATERIALES Y MÉTODOS

5.2.1 Zona de estudio

La red hídrica de la cuenca Alta del Río Conchos (RC) está compuesta por arroyos y
ríos secundarios que descienden y gradualmente convergen a los ríos Agua Caliente,
río Nonoava, río Balleza y río Álamo, para finalmente verter sus aguas al Río Conchos
que es el principal afluente de la cuenca (Figura 5.1a) (CONABIO, 2008). El flujo del
Río Conchos es represado a la salida de la cuenca por la presa de La Boquilla, con
una capacidad de 2,893.54 hectómetros cúbicos al NAMO y es utilizado principalmente
para la generación de energía eléctrica e irrigación (CONAGUA, 2018).

(a) (b)

Figura 5.1. Red hídrica de la cuenca hidrológica, (a) Alta del Río Conchos y (b) Río Tehuantepec.

La red hídrica de la cuenca Río Tehuantepec (RT) está compuesta principalmente del
Río Tehuantepec, cuyas aguas provienen de los ríos La Virgen, Quiechapa y
Tequisistlán (Figura 5.2b) (Arriaga et al., 2000; CONABIO, 2008). El flujo de la cuenca
es contenido a su salida por la presa P. Benito Juárez, con una capacidad al NAMO
de 963.70 hectómetros cúbicos y es usada principalmente para irrigación de las zonas
agrícolas (CONAGUA, 2018). Algunas características climáticas, edáficas, geográficas
y de localización de las cuencas RC y RT se encuentran en los capítulos III y IV.

126
5.2.2 Descripción del modelo SWAT

El modelo SWAT es uno de los modelos más utilizados para la simulación del
escurrimiento superficial y de otros procesos del ciclo hidrológico (Arnold et al., 2012).
Fue seleccionado por tener varias ventajas sobre otros modelos hidrológicos como fue
descrito en el capítulo II de este trabajo. En este estudio se utilizó la versión 1.4 de
SWAT para la interfaz gratuita QGIS (QWSAT). La Figura 5.2 muestra la secuencia de
pasos que se siguieron para la ejecución de una simulación con SWAT en un software
SIG (Kavian et al., 2018), y que incluyen pasos importantes como es la obtención y
procesamiento de imágenes satelitales, creación de mapas de uso de suelo,
evaluación de cambio de uso de suelo, delimitación de cuencas y subcuencas,
creación de Unidades de Respuesta Hidrológica (HRU), integración de datos
climáticos y espaciales, simulación, calibración y validación de SWAT.

Figura 5.2. Diagrama de flujo para el desarrollo de los trabajos. Basado en Kavian et al. (2018)

El modelo SWAT permite simular varios procesos físicos del ciclo hidrológico a
diferentes escalas de tiempo (Neitsch, Arnold, Kiniry, y Williams, 2011). En este
trabajo, se utilizó una escala de tiempo mensual y la creación de subcuencas mediante
el modelo de elevación digital (DEM), permitiendo la generación de los canales y la

127
ruta de flujo natural de las cuencas, a partir de la selección de un umbral de área
mínima establecido automáticamente por SWAT. El modelo considera la información
climática diaria como la precipitación y temperaturas máximas y mínimas
principalmente, además de radiación solar, velocidad del viento y humedad relativa a
partir de registros de datos observados o generados durante la simulación (Neitsch et
al., 2011).

El método de infiltración Green & Ampt (1911) y el procedimiento de Número de Curva

(NC) SCS (1972) son los métodos empleados por el modelo SWAT para la
determinación de la escorrentía superficial. La diferencia de selección entre ambos
métodos en SWAT radica en que, Grenn & Ampt requiere datos de precipitación sub
diaria, mientras que NC-SCS requiere de datos de precipitación diaria (Neitsch et al.,
2011). Mediante el uso de datos diarios y manejo de usos de suelo, el método de NC-
SCS fue seleccionado en el estudio para generar las simulaciones de escorrentía.

La ecuación de escorrentía NC-SCS es un modelo empírico que involucra la relación

lluvia-escorrentía de cuencas (SCS, 1986). El modelo fue desarrollado para
proporcionar una base consistente para estimar las cantidades de escorrentía bajo
diferentes tipos y usos de suelo (Neitsch et al., 2011; Rallison y Miller, 1981). La
expresión para determinar la escorrentía de NC-SCS en el modelo SWAT,
considerando la variabilidad del parámetro de retención bajo el cambio de uso de
suelo, es (SCS, 1986):
(𝑅𝑑í𝑎 − 0.2𝑆)2
𝑄𝑠𝑢𝑝 = 𝐸𝑐. 5.1
(𝑅𝑑í𝑎 + 0.8𝑆)

Donde, 𝑄𝑠𝑢𝑝 es la escorrentía acumulada o el exceso de lluvia [mm], 𝑅𝑑í𝑎 es la

precipitación para el día [mm], y 𝑆 es el parámetro de retención [mm] que considera la
variabilidad del tipo y uso de suelo. La escorrentía solo ocurrirá cuando 𝑅𝑑í𝑎 > 𝐼𝑎 , donde
𝐼𝑎 son las abstracciones iniciales de almacenamiento en la superficie, la intercepción
y la infiltración antes de la escorrentía [mm]. Las características y detalles sobre el
método NC-SCS empleado por SWAT se encuentran descritos por Neitsch et al.
(2011) en la documentación teórica del modelo.

128
SWAT integra en su base de datos los valores hidrológicos de numero de curva SCS
para cada una de las coberturas de suelo y vegetación, con el cual se genera el cálculo
de escurrimiento superficial. Los valores de NC iniciales se asignaron
automáticamente por SWAT para cada uso de suelo de los mapas de la cuenca Alta
del Río Conchos y Río Tehuantepec (Tabla 5.1).

Tabla 5.1. Valores NC-SCS iniciales asignados por SWAT para cada tipo de uso de suelo de las
cuencas estudiadas.
Uso de Suelo Código Número de Curva SCS
SWAT A B C D
Agricultura temporal CRDY 58 73 81 85.5
Agricultura de riego CRIR 58 73 81 85.5
Pastizales GRAS 49 69 79 84
Matorrales SHRB 39 61 74 80
Vegetación ribereña/galería MIGS 44 65 76.5 82
Selva caducifolia FODB 45 66 77 83
Bosque perenne FOEN 25 55 70 77
Bosque mixto FOMI 36 60 73 79
Cuerpos de agua WATR 92 92 92 92
Áreas quemadas BSVG 39 61 74 80
A, B, C y D ; grupos hidrológicos de acuerdo con las características de infiltración de suelo (Neitsch et al., 2011; SCS, 1986).

5.2.3 Datos de entrada

Los datos utilizados en este estudio incluyeron el modelo digital de elevación (MDE),
mapas de tipo de suelo y uso de suelo, registros meteorológicos e hidrométricos. En
la Tabla 5.2 así como en las Figuras 5.3 y 5.4, se muestran los datos de entrada
utilizados en el modelo SWAT.

Tabla 5.2. Resumen general de los datos utilizados en el modelo SWAT.

Tipo de datos Datos usados Descripción general Fuente
Base de datos INEGI
Resolución espacial (30 x 30 m) https://www.inegi.org.mx/a
MDE pp/geo2/elevacionesmex/i
Formato raster
ndex.jsp
Uso de suelos FAO Base de datos SWAT
Tipo de suelo Resolución espacial (7 x 7 km) https://swat.tamu.edu/data
Espaciales /
Formato raster
Mapa de uso de suelos Elaboración propia
Imágenes Landsat
1986, 2000, 2015 y 2016
Uso de suelo Fuente imágenes USGS
Resolución espacial (30 x 30 m) https://earthexplorer.usgs.
Formato raster gov/
Registros diarios Base de datos ESRL
Precipitación
desde 1950 a 2013 https://www.esrl.noaa.gov/
Meteorológicos Temperatura psd/data/gridded/index.ht
Resolución espacial (6 x 6 km)
Velocidad viento ml
Formato NetCDF

129
 Continuación Tabla 5.2
Tipo de datos Datos usados Descripción general Fuente
Registros diarios
Base global de la CFSR.
Radiación solar desde 1979 a 2014
Meteorológicos https://globalweather.tamu
Humedad relativa Resolución espacial (38 x 38 km) .edu/
Formato txt y csv
Base de datos BANDAS,
Registros diarios CONAGUA
http://www.conagua.gob.m
Hidrométricos Registro de caudal en miles de m3 x/CONAGUA07/Contenido
Formato Base de datos /Documentos/Portada%20
BANDAS.htm

(a) (b) (c)

Figura 5.3. Cuenca Alta del Río Conchos. (a) MDE, (b) tipo de suelo y (c) datos meteorológicos
LIVNEH.

(a) (b) (c)

Figura 5.4. Cuenca Río Tehuantepec. (a) MDE, (b) tipo de suelo y (c) datos meteorológicos LIVNEH.

5.2.3.1 Datos espaciales

El MDE para ambas cuencas fue proporcionado por el Instituto Nacional de Estadística
y Geografía, en formato Ráster (.tiff) con escala 1:50,000 y resolución de 30 m x 30 m
(INEGI, 2019), y fue reproyectado a un sistema de coordenadas UTM con datum
WGS84, Zona 13N para la cuenca Alta del Río Conchos y Zona 14N para la cuenca
Río Tehuantepec. El MDE fue corregido para rellenar pixeles erróneos y fue recortado
con suficiente holgura con respecto al límite de la cuenca (Figura 5.3a y 5.4a).

130
La información sobre el tipo de suelos se descargó en formato ráster a una resolución
de 7 km x 7 km, desde la base de datos globales SWAT (SWAT, 2019), el cual se basa
en el mapa digital del suelos del mundo versión 3.6 de la Organización de las Naciones
Unidas para la Alimentación y la Agricultura (FAO/UNESCO, 2003), e incluye claves
por tipo de suelo para su vinculación con SWAT (Figuras 5.3b y 5.4b).

Los mapas de uso de suelo se elaboraron a partir de la clasificación supervisada de

imágenes de satélite Landsat en tres periodos distintos para cada cuenca, 1986, 2000
y 2016 para la cuenca Alta del Río Conchos y 1986, 2000 y 2015 para la cuenca Río
Tehuantepec. La metodología para la obtención de los mapas de uso de suelo se
puede consultar en el capítulo IV de este estudio. Los mapas de cobertura y uso del
suelo se vinculan a SWAT en la interface SIG (QSWAT) mediante un código de cuatro
letras, los cuales enlazan y asignan automáticamente los valores de las propiedades
físicas y biológicas correspondientes de la cobertura o vegetación empleada (Neitsch
et al., 2011). Para el presente estudio los códigos y claves de uso de suelo asignados
para el modelo SWAT se muestran en las Tablas 5.3 y 5.4.

Tabla 5.3. Clases de cobertura y uso de suelo SWAT, cuenca Alta del Río Conchos.
Clave SWAT en Código
No. Uso de suelo
SIG SWAT
1 Agricultura temporal 2 CRDY
2 Agricultura de riego 3 CRIR
3 Pastizales 7 GRAS
4 Matorrales 8 SHRB
5 Vegetación ribereña/galería 9 MIGS
6 Bosque perenne 14 FOEN
7 Bosque mixto 15 FOMI
8 Cuerpos de agua 16 WATR
9 Áreas quemadas 19 BSVG
Tabla 5.4. Clases de cobertura y uso de suelo SWAT, cuenca Río Tehuantepec.
Clave SWAT en Código
No. Uso de suelo
SIG SWAT
1 Agricultura temporal 2 CRDY
2 Agricultura de riego 3 CRIR
3 Pastizales 7 GRAS
4 Selva caducifolia 11 FODB
5 Bosque perenne 14 FOEN
6 Bosque mixto 15 FOMI
7 Cuerpos de agua 16 WATR
8 Áreas quemadas 19 BSVG

131
La descripción de los códigos SWAT se observan en la tabla Land Use/Land Cover
System Legend (Modified Level 2) de USGS (USGS, 2018).

5.2.3.2 Datos meteorológicos

Los datos meteorológicos diarios de precipitación, temperaturas máximas y mínimas,

radiación solar, velocidad del viento y humedad relativa se obtuvieron de la base de
datos LIVNEH (Livneh et al., 2015) y CFSR (Globalweather, 2019) para ser empleados
en SWAT, según el detalle mostrado en la Tabla 5.5.

Tabla 5.5. Obtención de datos meteorológicos diarios LIVNEH y CFSR.

Cuenca de Mapa de uso de Arranque Simulación Total
estudio suelo (año) (años) (años) (años)
1986 1983,1984 1985, 1986, 1987 5
Alta del Río
2000 1995,1996 1997, 1998, 1999 5
Conchos
2015 2009,2010 2011,2012, 2013 5

1986 1984, 1985 1986, 1987, 1988 5

Río Tehuantepec 2000 1997, 1998 1999, 2000, 2001 5
2016 2009, 2010 2011, 2012, 2013 5
Los años arranque son recomendados por SWAT antes de comenzar con los años de simulación (Neitsch et al., 2011).

Los datos de precipitación, temperatura mínima-máxima y velocidad de viento, se

obtuvieron del conjunto de datos LIVNEH (2015) y se descargaron a través de la
página web del ESRL (Laboratorio de Investigación del Sistema Terrestre) de la
división de ciencias físicas para el periodo de 1950 a 2013 en formato de malla a una
resolución de 1/16° (aproximadamente 6 km) que abarca todo el territorio mexicano
(Livneh et al., 2015). La distribución de la malla para las áreas de estudio se observa
en las Figuras 5.3c y 5.4c. Los datos fueron descargados en formato NetCDF y
convertidos a “.csv” por medio del software Rstudio (Allaire, 2011).

Los datos de humedad relativa y radiación solar, se obtuvieron del Reanálisis del
Sistema de Pronóstico Climático (por sus siglas en inglés, CFSR) del Centro Nacional
de Predicción Ambiental (por sus siglas en inglés, NCEP) a través del sitio web Global
Weather Data para SWAT y un período de 36 años de 1979 a 2014, con una resolución

132
espacial de mallado de aproximadamente 38 km (Globalweather, 2019). Los datos se
descargaron individualmente en formatos “.txt” y “.csv” para cada cuenca de estudio.

Ya que los registros LIVNEH presentan resoluciones más pequeñas (6 km) que los
registros CFSR (38 km), antes, los datos de humedad relativa y radicación solar se
aplicaron pruebas de homogeneidad para determinar la variabilidad de los valores en
toda la cuenca. Las pruebas determinaron mínima diferencia entre valores de una
estación a otra, por lo que se generó una media diaria y se integró para cada una de
las estaciones de los datos LIVNEH. Finalmente, el generador meteorológico
incorporado de SWAT “WeatherDatabase.accdb” se utilizó para ingresar cada una de
las variables climáticas, crear los archivos de entrada para el modelo QSWAT y
generar de los estadísticos climáticos (Neitsch et al., 2011).

5.2.3.3 Datos hidrométricos

La información hidrométrica se obtuvo del Banco Nacional de Aguas Nacionales

(BANDAS) a través de la Comisión Nacional del Agua (CONAGUA) en su página web
oficial (CONAGUA, 2016), el cual cuenta con registros de información de caudales
diarios de ríos tanto de estaciones hidrométricas como de presas. Para este trabajo
los registros de la estación-presa “La Boquilla” con clave 225BOQ ubicada en la
cuenca Alta del Río Conchos, y la estación-presa “P. Benito Juárez” con clave 050BJU
ubicada en la cuenca Río Tehuantepec fueron utilizados (CONAGUA, 2018).

Los registros de la estación-presa “La Boquilla” cuenta con registros del periodo de
1935 a 2014. Los meses de mayor aporte de caudal (72.47%) se presentan durante
los meses de julio, agosto y septiembre, mientras que abril y mayo son los meses de
estiaje (Figura 5.5). Los registros de la estación-presa “P. Benito Juárez” cuenta con
registros del periodo de 1961 a 2015. Los meses de mayor aporte de caudal (74.28%)
se presentan durante los meses de junio, julio, agosto, septiembre y octubre, mientras
que marzo y abril son los meses de estiaje (Figura 5.6).

133
 12000
Caudal Caudal
1600000
(a) (b)
10000
1400000

Caudal (Miles de m3)

Caudal (Miles de m3)

1200000 8000

1000000
6000
800000

600000 4000

400000
2000
200000

0 0
01/01/1935 01/01/1955 01/01/1975 01/01/1995 01/01/2015 Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic

Fecha Mes
Figura 5.5. (a) Datos hidrométricos 1935-2014 y (b) caudal medio mensual de la presa La Boquilla.
(a) 12000
(b)
Caudal Caudal
1600000

1400000 10000

Caudal (Miles de m3)

Caudal (Miles de m3)

1200000
8000
1000000
6000
800000

600000 4000

400000
2000
200000

0 0
01/01/1961 01/01/1973 01/01/1985 01/01/1997 01/01/2009 Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Fecha Mes
Figura 5.6. (a) Datos hidrométricos 1961-2015 y (b) caudal medio mensual de la presa P. Benito J.

Los registros hidrométricos de caudal usados en la calibración y validación de los

caudales simulados fueron convertidos a m3/s y láminas de agua (mm) para los años
en los que se realizaron las simulaciones, ver Tabla 5.5.

Finalmente, los datos hidrométricos del BANDAS fueron sometidos a pruebas de

homogeneidad para conocer la calidad de mismos. Los datos del BANDAS para las
estaciones-presas muestran poca confiabilidad debido a inconsistencias encontradas
(información faltante, sobrevaloración de caudales, valores repetitivos), tal y como lo
señalan Perevochtchikova y Jiménez (2006), y Salas y Paz (2018). Los datos fueron
utilizados en la calibración y validación del modelo, teniendo en cuenta estas
deficiencias.

134
5.2.4 Calibración y validación

El escurrimiento simulado se comparó con los registros hidrométricos observados de

las estaciones “La Boquilla” de la cuenca Alta del Río Conchos y “P. Benito Juárez” de
la cuenca Río Tehuantepec, para cada periodo de estudio, utilizando un año para la
calibración y dos para la validación según se detalla en la Tabla 5.6. La calibración se
realizó mediante un análisis de regresión lineal simple entre caudales simulados y
observados cuya ecuación permitió calibrar los resultados obtenidos de los años de
validación y obtener las estadísticas de eficiencia del modelo.

Tabla 5.6. Años para la calibración y validación del modelo.

Mapa de uso Río Conchos Año uso Río Tehuantepec
de suelo (año) Año Operación de suelo Año Operación
1985 Calibración 1986 Validación
1986 1986 Validación 1986 1987 Calibración
1987 Validación 1988 Validación

1997 Calibración 1999 Validación

2000 1998 Validación 2000 2000 Calibración
1999 Validación 2001 Validación

2011 Calibración 2011 Validación

2016 2012 Validación 2015 2012 Calibración
2013 Validación 2013 Validación

5.2.5 Evaluación de desempeño del modelo SWAT

El rendimiento del modelo se evaluó mediante la prueba estadística del coeficiente de

determinación (R2) y la eficiencia Kling-Gupta (EKG), para examinar la representación
del proceso modelado SWAT en condiciones biofísicas reales, de los registros
observados de cada cuenca. Las pruebas se utilizaron primero para evaluar los valores
calibrados y posteriormente para los valores de validación de las cuencas. El
coeficiente de determinación (R2) es considerado como un buen indicador para
determinar la uniformidad de datos de observados y simulados en cuencas
hidrográficas (Kavian et al., 2018). El valor de R2 se determinó mediante la siguiente
expresión (Hossain, Hewa, y Wella-Hewage, 2019):

135
 2
2
[𝑛 ∑𝑛𝑖=1(𝑄𝑜𝑏𝑠,𝑖 × 𝑄𝑠𝑖𝑚,𝑖 ) − ∑𝑛𝑖=1 𝑄𝑜𝑏𝑠,𝑖 × ∑𝑛𝑖=1 𝑄𝑠𝑖𝑚,𝑖 ]
𝑅 = 2 2 𝐸𝑐. 5.2
[𝑛 ∑𝑛𝑖=1 𝑄𝑜𝑏𝑠,𝑖 2 − (∑𝑛𝑖=1 𝑄𝑜𝑏𝑠,𝑖 ) ] × [𝑛 ∑𝑛𝑖=1 𝑄𝑠𝑖𝑚,𝑖 2 − (∑𝑛𝑖=1 𝑄𝑠𝑖𝑚,𝑖 ) ]

Donde, 𝑛 es el número total de datos, 𝑄𝑜𝑏𝑠,𝑖 es el valor del flujo observado, y 𝑄𝑠𝑖𝑚,𝑖 es
el valor del flujo simulado. El valor va de 0 a 1, donde 0 significa peor ajuste y 1 significa
mejor ajuste. Los valores más altos muestran menos varianza de error, mientras que
los valores superiores a 0,50 se consideran aceptables (Moriasi et al., 2007; Santhi et
al., 2007).

La eficiencia de Kling-Gupta (Gupta, Kling, Yilmaz, y Martinez, 2009) se basa en la

descomposición de la prueba de Nash-Sutcliffe efficiency (NSE) en sus componentes
de media (β), variabilidad (α) y correlación, usado cada vez más en la calibración y
evaluación de los modelos (Pool, Vis, y Seibert, 2018). El valor de EKG se determinó
mediante las siguientes expresiones:

∑𝑛𝑖=1(𝑄𝑜𝑏𝑠 (𝑖 ) − 𝜇𝑜𝑏𝑠 ) ((𝑄𝑠𝑖𝑚 (𝑖 ) − 𝜇𝑠𝑖𝑚))

𝑟𝑝 = 𝐸𝑐. 5.3
√(∑𝑛𝑖=1(𝑄𝑜𝑏𝑠 (𝑖 ) − 𝜇𝑜𝑏𝑠 )2 )(∑𝑛𝑖=1(𝑄𝑠𝑖𝑚(𝑖 ) − 𝜇𝑠𝑖𝑚 )2 )

2
𝑅𝐾𝐺 = 1 − √(𝛽 − 1)2 + (𝛼𝐾𝐺 − 1)2 + (𝑟𝑝 − 1) 𝐸𝑐. 5.4

Donde, 𝑄𝑜𝑏𝑠 es el valor del flujo observado, y 𝑄𝑠𝑖𝑚 es el valor del flujo simulado. El
sesgo entre la descarga media (𝜇 ) simulada (𝑠𝑖𝑚) y observada (𝑜𝑏𝑠)y el sesgo entre
𝜇
la desviación estándar (𝜎) simulada y observada se utilizan para el cálculo de 𝛽 (𝜇𝑠𝑖𝑚)
𝑜𝑏𝑠

𝜎
y 𝛼𝐾𝐺 ( 𝜎𝑠𝑖𝑚), respectivamente. De acuerdo con algunos autores, los valores negativos
𝑜𝑏𝑠

indican un rendimiento "malo" del modelo, mientras que los valores positivos indican
"buen" rendimiento, sin embargo, Knoben et al. (2019) señala umbrales diferentes
entre NSE (0) y EKG (-0.41) para la evaluación de los modelos. Al igual que NSE,
EKG = 1 indica un acuerdo perfecto entre simulaciones y observaciones; mientras que
los valores de NSE > 0.5 (Moriasi et al., 2007) o KGE > 0.3 (Knoben et al., 2019) se
consideran simulaciones satisfactorias.

136
5.3 RESULTADOS

5.3.1 Delimitación de subcuencas mediante SWAT

A través del modelo SWAT se generaron múltiples subcuencas con un área de umbral
de 1,000 km2 (100,000 ha), obteniendo 11 subcuencas para la cuenca Alta del Río
Conchos y 3 subcuencas para la cuenca Río Tehuantepec (Figura 5.7), permitiendo a
través de estas observar características de uso y tipo de suelo, y los resultados de
escurrimiento superficial generado (Neitsch et al., 2011).

(a) (b)

Figura 5.7. Creación de subcuencas mediante SWAT, cuenca (a) Alta del Río Conchos y (b) cuenca
Río Tehuantepec.

5.3.2 Escurrimiento en la cuenca Alta del Río Conchos

5.3.2.1 Calibración y validación del modelo SWAT

Se hicieron varias pruebas de eficiencia y se reportaron únicamente las más relevantes

y coherentes (R2 y EKG). Los resultados de la prueba R2 para el escurrimiento
simulado SWAT en la cuenca Alta del Río Conchos se muestran en la Tabla 5.7. En el
primer periodo de estudio (uso de suelo 1986) el coeficiente R2 fue de 0.50 y 0.61 para
los años de calibración y validación, respectivamente (Figura 5.8a-b). Ambos valores
(>0.50) son considerados como correlaciones aceptables/moderadas al ajuste entre
datos simulados y observados según lo señalado por Moriasi et al. (2007) y Santhi et

137
al. (2007). El segundo periodo de estudio (uso de suelo 2000), presentó un coeficiente
de determinación R2 de 0.71 y 0.61 para los años de calibración y validación
respectivamente (Figura 5.8c-d). El valor R2 calibrado muestra un mejor ajuste que el
validado, sin embargo, ambos valores se consideran correlaciones fuertes/moderadas.
Finalmente, el tercer periodo de estudio (uso de suelo 2016) presentó un coeficiente
de determinación R2 de 0.74 (> 0.50) para los años de calibración, indicando una
correlación aceptable/fuerte entre valores simulados y observados (Moriasi et al.,
2007). Mientras que el valor de R2 para el año de validación fue de 0.07 (< 0.50),
señalando una correlación débil entre los valores (Figura 5.8e-f).

Tabla 5.7. Correlación entre periodos de calibración y validación para la estación “La Boquilla”.
Mapa de uso Evaluación del desempeño
de suelo (año) Tipo R2 EKG
Calibración 0.50 0.56
1986
Validación 0.61 0.65

Calibración 0.71 0.74

2000
Validación 0.61 0.59

Calibración 0.74 0.82

2016
Validación 0.07 0.04

Los resultados para el escurrimiento simulado/observado mediante la eficiencia Kling-

Gupta (EKG) se muestran en la Tabla 5.7. Para el primer periodo de estudio (uso de
suelo 1986) los valores de EKG de los años de calibración y validación fueron de 0.56
y 0.65 respectivamente, según lo expuesto por Knoben et al. (2019) ambos valores
son considerados como simulaciones satisfactorias (> 0.30). Para el segundo periodo
(uso de suelo 2000) se presentaron valores EKG de 0.74 y 0.59 para la calibración y
validación respectivamente, considerando ambos ajustes aceptables (Knoben et al.,
2019). En el tercer periodo (uso de suelo 2016) se mostró un valor EKG de 0.82
satisfactorio (> 0.30) para el año de calibración, mientras que para la validación el valor
EKG fue de 0.04 (< 0.30), considerándose un deficiente ajuste entre valores simulados
y observados (Knoben et al., 2019).

Los resultados de ambas pruebas para evaluar el rendimiento del modelo SWAT en la
cuenca Alta del Río Conchos mostraron un nivel aceptable en los tres periodos de
estudio (Knoben et al., 2019; Moriasi et al., 2007).

138
 Calibración:
(a)Año 1985 Validación: Año(b)
1986-1987
Año 1985 250
Año 1986-1987
100
y = 0.7567x + 18.591 R2= 0.6131
90 R2= 0.5009 225

Escorrentía BANDAS (m3/s)

Escorrentía BANDAS (m3/s)

80 200

70 175

60 150

50 125

40 100

30 75

20 50

10 25

0 0
0 10 20 30 40 50 60 70 0 25 50 75 100 125 150 175 200 225
Escorrentía SWAT (m3/s) Escorrentía SWAT (m3/s)

Calibración: Año 1997 Validación: Año 1998-1999

160
Año 1997 140
Año 1998-1999
y = 0.9948x + 4.72 R2= 0.6111
R2= 0.714
140 120
Escorrentía BANDAS (m3/s)
Escorrentía BANDAS (m3/s)

120
100

100
80
80
60
60

40
40

20 20

0 0

0 20 40 60 80 100 120 0 20 40 60 80 100 120

Escorrentía SWAT (m3/s) Escorrentía SWAT (m3/s)

Calibración: Año 2011 Validación: Año 2012-2013

40
Año 2011 Año 2012-2013
y = 0.9334x + 0.8427 250
R2= 0.0734
R2= 0.7415 225
35
Escorrentía BANDAS (m3/s)

Escorrentía BANDAS (m3/s)

200
30
175
25
150

20 125

100
15
75
10
50
5 25

0 0
0 5 10 15 20 25 30 0 10 20 30 40 50 60 70 80 90 100
Escorrentía SWAT (m3/s) Escorrentía SWAT (m3/s)

Figura 5.8. Regresión lineal entre datos simulados y observados para los años de (a) calibración y (b)
validación en la cuenca Alta del Río Conchos.

139
 (b)
(a)

(c)
Escorrentía mensual (m3/s) Escorrentía mensual (m3/s) Escorrentía mensual (m3/s)

0
50
100
150
200
250
300
0
50
100
150
200
250
300
350
400

0
50
100
150
200
250
300
01/2011 01/1997 01/1985
02/2011 02/1997 02/1985
03/2011 03/1997 03/1985
04/2011 04/1997 04/1985
05/2011 05/1997 05/1985
06/2011 06/1997 06/1985
07/2011 07/1997 07/1985

Calibración
Calibración
09/2011 09/1997 09/1985
10/2011 10/1997 10/1985
11/2011 11/1997 11/1985

Calibración
12/2011 12/1997 12/1985
5.3.2.2 Escorrentía superficial

Simulado SWAT
01/2012 01/1998 01/1986
Simulado SWAT

02/2012 02/1998 02/1986

Simulado SWAT
03/2012 04/1998 04/1986
05/2012 05/1998 05/1986

Validación
Validación

06/2012 06/1998 06/1986

07/2012 07/1998 07/1986

Meses

Meses
Meses
08/2012 08/1986

Validación
08/1998
09/2012 09/1998 09/1986

Observado BANDAS
10/2012 10/1998 10/1986
Observado BANDAS

Observado BANDAS
12/2012 12/1998 12/1986
01/2013 01/1999 01/1987
02/2013 02/1999 02/1987
03/2013 03/1999 03/1987
Precipitación

04/2013 04/1999 04/1987

Precipitación

Validación

Validación
Validación

05/2013 05/1987

Precipitación
05/1999
06/2013 06/1999 06/1987
08/2013 08/1999 08/1987
media mensual de las estaciones/puntos de la base de datos LIVNEH.

09/2013 09/1987
09/1999
10/2013 10/1987
10/1999
11/2013 11/1987
11/1999
12/2013 12/1987
12/1999

0
0

50
0
50

300
250
200
150
100
400
350
300
250
200
150
100

50

300
250
200
150
100

Precipitación (mm) Precipitación (mm)

Precipitación (mm)
En la Figura 5.9 se muestra los hidrogramas de escorrentía mensual simulada versus

Figura 5.9. Escorrentía mensual observada y simulada; (a) 1985-1987, (b) 1997-1999 y (c) 2011-2013.
observada para la estación-presa “La Boquilla” y el hietograma de precipitaciones

140
El escurrimiento simulado y observado tienen un comportamiento similar en todos los
años de estudio, aunque existen importantes diferencias en los meses de junio y julio
de 1999 y 2013, donde el pico máximo está desfasado un mes y subestimado por la
simulación. Es posible que esto se deba a un error en los valores observados en la
presa, se observa que la relación Q/P en los mismos meses para otros años oscila
entre 31.85 y 123.41 mm de diferencia, mientras que solo para esos años está entre
55.52 y 145.58 mm. Por otra parte, el total acumulado de escurrimiento anual
representa entre el 4.72 % y 8.89 % de la precipitación total anual para todos los años
de estudio.

5.3.2.3 Análisis espacio-temporal de cambios en la escorrentía superficial

En las Figuras 5.10, 5.11, y la Tabla 5.8 se muestra la escorrentía por subcuencas
integradas y el caudal de salida a través de las corrientes principales de la cuenca Alta
del Río Conchos. Los valores son presentados como escorrentía media mensual para
cada periodo de estudio, y fueron procesados en lámina de agua que escurre
superficialmente (mm).

Tabla 5.8. Escorrentía media mensual por subcuencas, cuenca Alta del Río Conchos.
Subcuenca Escorrentía
No. Área 1985-1987 1997-1999 2011-2013
km2 mm mm mm
1 1,760.00 1.40 0.83 0.64
2 2,020.00 1.95 2.25 0.97
3 1,500.00 3.08 0.07 0.41
4 2,260.00 0.95 1.28 0.20
5 1,670.00 0.72 1.28 0.36
6 2,620.00 2.04 2.14 0.44
7 2,620.00 3.99 1.91 0.75
8 867.00 1.78 2.77 0.69
9 1,250.00 3.31 2.73 1.07
10 4,220.00 3.94 0.37 0.45
11 20.10 5.00 3.43 2.63
TOTAL 20,807.10 28.16 19.06 8.61

Para el periodo de 1985-1987 (Figura 5.10a), la menor generación de escorrentía se

presentó para la subcuenca 5, ubicada es la parte alta de la cuenca, con una
escorrentía media mensual 0.72 mm, mientras que la subcuenca 11, ubicada en la
parte baja de la cuenca, presentó escorrentía media mensual de 5.00 mm

141
 (a) (b)

(c)

Figura 5.10. Variación espacio-temporal de escorrentía media mensual de la cuenca Alta del Río
Conchos, para los periodos; (a) 1985-1987, (b) 1997-1999 y (c) 2011-2013.

La escorrentía media mensual mínima para el periodo de 1997-1999 (Figura 5.10b) se

presentó en la cuenca 3, ubicada en la zona baja de la cuenca, con 0.07 mm, mientras
que la mayor generación de escorrentía se presentó en la subcuenca 11 con 3.43 mm
de escurrimiento medio mensual. Finalmente, para el periodo 2011-2013 (Figura
5.10c) se presentó una lámina de 0.20 mm de escorrentía para la subcuenca 4, la
subcuenca de menor generación de escorrentía ubicada en la zona alta de la cuenca,
mientras que en la subcuenca 11, de mayor aportación, presentó 2.63 mm de
escorrentía media mensual generada.

142
Se observó que, a lo largo de los periodos de estudio, las subcuencas ubicadas en las
zonas altas mostraron una menor generación de escorrentía, mientras que las
subcuencas ubicadas en zonas bajas y a la salida de la cuenca mostraron una mayor
escorrentía, quizás debido al incremento, tipo y densidad de superficies de vegetación.
En la sección 5.3.4 se describe con abundancia la relación de cambio de uso de suelo
versus escurrimiento superficial, observando el desglose y dispersión de cobertura de
suelo y la cantidad de escurrimiento generado en cada subcuenca.

(a) (b)

(c)

Figura 5.11. Variación espacio-temporal de las láminas de caudal de salida sobre las corrientes
principales de la cuenca Alta del Río Conchos, para los periodos (a) 1985-1987, (b) 1997-1999 y (c)
2011-2013.

143
La concentración de caudal de salida se presenta sobre los principales ríos que
integran y unen cada una de las subcuencas (Figura 5.11). La concentración principal
de escorrentía entre los periodos estudiados se encuentra en los tramos de ríos de las
subcuencas 7, 9, 10 y 11, siendo estos dos últimos los tramos de salida y desemboque
de la cuenca. El análisis entre los periodos estudiados muestra una reducción de flujo
de salida sobre los ríos principales de la cuenca. Para el periodo 1985-1987 a 1997-
1999 se presenta una reducción promedio de 1.20 cm (94.64 m 3/s) a 0.93 cm (73.66
m3/s) de flujo media mensual, una reducción de 22.18 %. Entre el periodo 1997-1999
a 2011-2013 se muestra una reducción promedio de 0.93 cm (73.66 m 3/s) a 0.56 cm
(43.96 m3/s) de flujo media mensual, una reducción de 40.32 % sobre la salida de la
cuenca. Finalmente, la reducción que se presenta entre los periodos 1985-1987 a
2011-2013 es de 0.64 cm o 50.69 m3/s de flujo media mensual, indicando un 53.56 %
de pérdida de flujo de agua sobre los cauces. Durante el periodo A-C la mayor
reducción de escurrimiento de cauces se observó para el tramo de la subcuenca 3 en
un 84.19 %, y una menor reducción para los tramos de las subcuencas 10 y 11 en un
53.56 %.

Los cambios de escorrentía media anual simulada entre periodos de estudio; periodo
A (1985-1987), periodo B (1997-1999) y periodo C (2011-2013), y subcuencas
integradas, se muestran en la Figura 5.12 y la Tabla 5.9.

1985-1987 1997-1999 2011-2013

Total 337.77 mm Total 228.65 mm Total 103.21 mm
60
Escorrentía (mm)

40

20

0
1 2 3 4 5 6 7 8 9 10 11
Subcuencas
Figura 5.12. Escorrentía media anual. Periodos A (1985-1987), B (1997-1999) y C (2011-2013),
cuenca Alta del Río Conchos.

144
Los periodos estudiados señalan una relación entre subcuencas de mayor y menor
generación de escurrimiento superficial, principalmente para los periodos 1985-1987 y
2011-2013, muestran que las subcuencas 4 y 5, ubicadas en la zona alta y con mayor
cobertura vegetal de bosques de la cuenca, son las subcuencas de menor producción
de escurrimiento superficial. Las subcuencas 2 y 6 presentan una escorrentía
ligeramente moderada, y se ubican en las partes altas de la cuenca con existencia de
vegetación tipo boscosa. Mientras que, para los periodos 1997-1999 y 2011-2013
señalan que las subcuencas 3 y 10, ubicadas en la zona baja de la cuenca con
presencia de vegetación tipo pastizal y matorral, son de las subcuencas de mayor
producción de escurrimiento superficial. Además, los tres periodos (1985-1987, 1997-
1999 y 2011-2013) muestran que la subcuenca 11, ubicada a la salida de la cuenca,
es la que mayor escorrentía genera.

Tabla 5.9. Cambio de escorrentía media anual, cuenca Alta del Río Conchos.
Escorrentía Cambios
Sub- 1985-1987 1997-1999 2011-2013
A-B B-C A-C
cuenca (A) (B) (C)
mm mm mm mm mm mm
1 16.85 9.92 7.74 (-) 6.93 (-) 2.18 (-) 9.11
2 23.3 26.97 11.65 (+) 3.67 (-) 15.32 (-) 11.65
3 36.97 0.85 4.88 (-) 36.12 (+) 4.03 (-) 32.09
4 11.36 15.38 2.4 (+) 4.02 (-) 12.98 (-) 8.96
5 8.58 15.36 4.34 (+) 6.78 (-) 11.02 (-) 4.24
6 24.56 25.65 5.26 (+) 1.09 (-) 20.39 (-) 19.30
7 47.94 22.96 8.97 (-) 24.98 (-) 13.99 (-) 38.97
8 21.31 33.21 8.27 (+) 11.90 (-) 24.94 (-) 13.04
9 39.7 32.71 12.81 (-) 6.99 (-) 19.90 (-) 26.89
10 47.27 4.49 5.33 (-) 42.78 (+) 0.84 (-) 41.94
11 59.93 41.15 31.56 (-) 18.78 (-) 9.59 (-) 28.37

Los cambios de escorrentía presentaron generalmente una disminución en la mayoría

de las subcuencas respecto al periodo A (Tabla 5.9). El cambio de escorrentía media
anual entre el periodo A-C presenta una disminución en las 11 subcuencas que la
integran. La subcuenca 11 mostró menor cambio pasando de 59.93 mm a 31.56 mm
de escorrentía generada y obtener una reducción de -28.37 mm (-47.34 %). Mientras
que, la subcuenca 10 mostró mayor cambio pasando pasó de 47.27 mm a 5.33 mm de
escorrentía generada, para obtener una reducción de -41.94 mm (-88.72 %). El resto
de las subcuencas presentaron cambios de escorrentía por arriba del 50.00 %, con un
promedio general en la cuenca de -21.32 mm (-69.44 %) y una tasa de -0.71 mm/año.

145
5.3.3 Escurrimiento en la cuenca Río Tehuantepec

5.3.3.1 Calibración y validación del modelo SWAT

Al igual que en la cuenca Alta del Río Conchos, se hicieron varias pruebas de eficiencia
y se reportaron únicamente las más relevantes y coherentes (R2 y EKG). Los
resultados las pruebas R2 y eficiencia de Kling-Gupta para el escurrimiento simulado
mediante SWAT de la cuenca del Río Tehuantepec se muestran en la Tabla 5.10.

Tabla 5.10. Correlación entre periodos de calibración y validación para la estación “P. Benito Juárez”.
Mapa de uso Evaluación del desempeño
de suelo
(año) Calibración/Validación R2 EKG
Calibración 0.67 -1.79
1986
Validación 0.43 0.38

Calibración 0.65 -0.36

2000
Validación 0.66 -0.46

Calibración 0.76 -2.94

2015
Validación 0.39 -0.40

En el primer periodo de estudio (uso de suelo 1986) se muestra el coeficiente de

determinación R2 de 0.67 y de 0.43 para los años de calibración y validación,
respectivamente (Figura 5.13a-b). El valor R2 de calibración y validación se consideró
una correlación fuerte y moderada respectivamente para el ajuste entre datos
simulados y observados según lo reportado por Moriasi et al. (2007) y Santhi et al.
(2007). El segundo periodo de estudio (uso de suelo 2000), presentó un coeficiente R2
de 0.65 y 0.66 para el periodo de calibración y validación, respectivamente (Figura
5.13c-d), que se considera como correlación fuerte/moderada. Finalmente, el tercer
periodo de estudio (uso de suelo 2015) presentó un coeficiente de determinación R2
de 0.76 para los años de calibración, que representa una correlación fuerte entre
valores simulados y observados, sin embargo, el valor R2 para el año de validación fue
de 0.39 que representa una correlación débil (Figura 5.13e-f).

Los resultados para el escurrimiento simulado/observado mediante la eficiencia Kling-

Gupta (EKG) se muestran en la Tabla 5.10. El primer periodo de estudio (uso de suelo
1986) los valores de EKG para el periodo de calibración y validación fue de -1.79 y

146
 (a)Año 1987
Calibración: Validación: Año
(b) 1986-1988
Año 1987 400
Año 1986-1988
100
y = 0.2171x + 30.788 R2= 0.4306
90 R2= 0.6706
350

Escorrentía BANDAS (m3/s)

Escorrentía BANDAS (m3/s)

80
300

70
250
60
200
50
150
40
100
30

20 50

10 0
0 25 50 75 100 125 150 175 200 225 250 20 40 60 80 100 120 140 160 180 200 220 240
Escorrentía SWAT (m3/s) Escorrentía SWAT (m3/s)

Calibración: Año 2000 Validación: Año 1999-2001

Año 2000 Año 1999-2001
250
y = 0.3512x + 37.475 R2= 0.6634
R2= 0.6508
150
Escorrentía BANDAS (m3/s)
Escorrentía BANDAS (m3/s)

200

120

150
90

100
60

50
30

0 0
0 100 200 300 400 500 0 50 100 150 200 250 300 350

Escorrentía SWAT (m3/s) Escorrentía SWAT (m3/s)

Calibración: Año 2012 Validación: Año 2011-2013

Año 2012 250

Año 2011-2013
150
y = 0.1875x + 24.501 R2= 0.3859
R2= 0.7587
125
Escorrentía BANDAS (m3/s)
Escorrentía BANDAS (m3/s)

200

100
150

75

100
50

50
25

0 0
0 100 200 300 400 500 600 700 0 50 100 150 200 250
Escorrentía SWAT (m3/s) Escorrentía SWAT (m3/s)

Figura 5.13. Regresión lineal entre datos simulados y observados para los años de (a) calibración y (b)
validación en la cuenca del Río Tehuantepec.

147
0.38, respectivamente. Según lo señalado por Knoben et al. (2019) solo el valor de
validación (> 0.30) es considerado como satisfactorio. Para el segundo periodo de
estudio (uso de suelo 2000) se presentaron valores EKG de -0.36 y -0.46 para la
calibración y validación respectivamente, mientras que para el tercer periodo (uso de
suelo 2015) fueron de -2.94 para el periodo de calibración y -0.40 para la validación,
todos los casos anteriores (< 0.30) se consideraron como malos ajuste entre valores
simulados y observados (Knoben et al., 2019). Los resultados estadísticos para
evaluar el rendimiento del modelo SWAT en la cuenca Río Tehuantepec mostraron un
nivel regular de aceptación en algunos periodos de calibración y validación,
principalmente mediante el coeficiente R2 (Moriasi et al., 2007).

5.3.3.2 Escorrentía superficial

En la Figuras 5.14 se muestra los hidrogramas de escorrentía mensual simulada

versus observada para la estación-presa “P. Benito Juárez” y el hietograma de
precipitación media mensual de las estaciones/puntos de la base de datos LIVNEH.

El escurrimiento simulado y observado tienen un comportamiento similar en todos los

años de estudio, aunque existen importantes diferencias en los meses de temporada
de lluvias que abarca los meses de junio, julio, agosto, y septiembre, donde los picos
máximos están sobreestimados por la simulación. Existe la posibilidad de que esto se
deba a un error en los valores observados en la presa, ya que no se muestra para los
años 1986, 1987 y 2011, ningún pico sobresaliente durante los meses de temporada
de lluvia, principalmente en el año 2011 donde no se observan registros apropiados.
Por otra parte, la relación Q/P durante los meses de junio a septiembre oscila entre
104.24 mm y 198.28 mm de diferencia para los años estudiados, mientras que para el
resto de los meses oscila entre 1.24 mm y 84.46 mm. La relación Q/P muestra que
para el periodo de estudio 1986-1988 el escurrimiento máximo total fue de 47.00 % del
total de la lluvia. Mientras que para el periodo de estudio 1999-2001 el escurrimiento
máximo total fue de 46.41 % total de la lluvia. Así mismo para el periodo 2011-2013 el
escurrimiento máximo total fue de 54.03 % de la lluvia total de la cuenca. Finalmente,
el total acumulado de escurrimiento anual representa entre el 38.00 % y 39.58 % de la
precipitación total anual para todos los años de estudio.
148
 Simulado SWAT Observado BANDAS Precipitación
0
(a) 1400
100

Escorrentía mensual (m3/s)

1200
200

Precipitación (mm)
1000
Validación Calibración Validación 300
800
400
600 500

400 600

200 700

0 800
01/1986
02/1986
03/1986
04/1986
05/1986
06/1986
07/1986
09/1986
10/1986
11/1986
12/1986
01/1987
02/1987
04/1987
05/1987
06/1987
07/1987
08/1987
09/1987
10/1987
12/1987
01/1988
02/1988
03/1988
04/1988
05/1988
06/1988
08/1988
09/1988
10/1988
11/1988
12/1988
Meses
Simulado SWAT Observado BANDAS Precipitación
(b) 1200 0

100
1000
Escorrentía mensual (m3/s)

200

Precipitación (mm)
800 300
Validación Calibración Validación
400
600
500

400 600

700
200
800

0 900
01/1999
02/1999
03/1999
04/1999
05/1999
06/1999
07/1999
09/1999
10/1999
11/1999
12/1999
01/2000
02/2000
03/2000
05/2000
06/2000
07/2000
08/2000
09/2000
10/2000
12/2000
01/2001
02/2001
03/2001
04/2001
05/2001
06/2001
08/2001
09/2001
10/2001
11/2001
12/2001
Meses
Simulado SWAT Observado BANDAS Precipitación
0
(c) 1400 100
Escorrentía mensual (m3/s)

1200 200

Precipitación (mm)
300
1000
Validación Calibración Validación 400
800
500
600 600
700
400
800
200
900
0 1000
01/2011
02/2011
03/2011
04/2011
05/2011
06/2011
07/2011
09/2011
10/2011
11/2011
12/2011
01/2012
02/2012
03/2012
05/2012
06/2012
07/2012
08/2012
09/2012
10/2012
12/2012
01/2013
02/2013
03/2013
04/2013
05/2013
06/2013
08/2013
09/2013
10/2013
11/2013
12/2013

Meses
Figura 5.14. Escorrentía mensual observada y simulada; (a) 1986-1988, (b) 1999-2001 y (c) 2011-
2013.

5.3.3.3 Análisis espacio-temporal de cambios en la escorrentía superficial

En las Figuras 5.15, 5.16 y la Tabla 5.11 se muestra la escorrentía por subcuencas
integradas y el flujo de salida a través de las corrientes principales de la cuenca Río
Tehuantepec. Los valores son presentados como escorrentía media mensual para
149
cada periodo de estudio, y fueron procesados en lámina de agua que escurre
superficialmente (mm).

Tabla 5.11. Escorrentía media mensual por subcuencas, cuenca Río Tehuantepec.
Subcuenca Escorrentía
No. Área 1986-1988 1999-2001 2011-2013
km2 mm mm mm
1 6,870.00 9.73 20.85 29.94
2 2,560.00 71.78 52.38 104.78
3 102.00 21.58 40.57 69.64
TOTAL 9,532.00 103.09 113.80 204.36

(a) (b)

(c)

Figura 5.15. Variación espacio-temporal de escorrentía media mensual de la cuenca Río

Tehuantepec, para los periodos; (a) 1986-1988, (b) 1999-2001 y (c) 2011-2013.

150
En todas las subcuencas se observa un incremento general de la escorrentía media
mensual durante los tres periodos analizados (Figura 5.15). En el periodo 1986-1988
(Figura 5.15a) la subcuenca 1 presentó menor generación de escorrentía (9.73 mm) y
la subcuenca 2 mayor escorrentía media mensual (71.78 mm). Para el periodo 1999-
2001 (Figura 5.15b) la subcuenca 2 presentó 52.38 mm de escorrentía media mensual
y la subcuenca 1 una escorrentía de 20.85 mm. Finalmente, durante periodo 2011-
2013 (Figura 5.15c) la subcuenca 1 presentaba una escorrentía media mensual de
29.94 mm y la subcuenca 2 una mayor escorrentía de 104.78 mm. Con la presente
tendencia de incrementos de escorrentía en toda la cuenca, no se observó claramente
en las subcuencas la influencia de zonas altas y bajas o el tipo de vegetación en la
generación de escorrentía media mensual, ya que solo las subcuencas 1 y 2 cubren
ampliamente el total de la cuenca y presentan diferentes coberturas de bosque mixto,
bosque perenne, selva caducifolia y tierra para la agricultura de temporal, por lo que el
desglose de cada uso de suelo versus escurrimiento superficial, descrito más adelante,
muestra la relación entre ambos parámetros durante los tres periodos de estudio en
cada una de las subcuencas.

La concentración de caudal de salida se presenta sobre los principales ríos que

integran y unen cada una de las subcuencas (Figura 5.16). La concentración principal
de escorrentía entre los periodos estudiados se encuentra en el tramo de río de la
subcuenca 3 a la salida y desemboque de la cuenca, debido a la convergencia de los
ríos Tehuantepec y Tequisistlán de las subcuencas 1 y 2, respectivamente. Existe
entre periodos un incremento de flujo máximo de salida sobre los ríos principales de la
cuenca. Para el periodo 1986-1988 a 1999-2001 se presenta un incremento promedio
de 1.09 cm (39.53 m3/s) a 1.11 cm (40.07 m3/s) de flujo media mensual, un aumento
de 1.38 %. Entre el periodo 1999-2001 a 2011-2013 se muestra un incremento
promedio de 1.11 cm (40.07 m3/s) a 1.62 cm (58.75 m3/s) de flujo media mensual, un
aumento del 46.61 % sobre la salida de la cuenca. Finalmente, el incremento que se
presenta entre los periodos 1986-1988 a 2011-2013 es de 0.53 cm o 19.22 m3/s de
flujo media mensual, indicando un 48.62 % de aumento de flujo de agua sobre los
cauces. Durante el periodo A-C el mayor incremento de escurrimiento de cauces se

151
observó para el tramo de la subcuenca 3 en un 32.72 % y un menor incremento para
el tramo de la subcuenca 2 en un 16.93 %.

(a) (b)

(c)

Figura 5.16. Variación espacio-temporal de las láminas de caudal de salida sobre las corrientes
principales de la cuenca Río Tehuantepec, para los periodos (a) 1986-1988, (b) 1999-2001 y (c) 2011-
2013.

La comparación de escorrentía simulada entre periodos de estudio; periodo A (1986-

1988), periodo B (1999-2001) y periodo C (2011-2013), y subcuencas integradas, se
muestran en la Figura 5.17 y la Tabla 5.12, observando así los cambios de escorrentía
media anual que se han generado a través de los periodos.

152
 1400
1986-1988 1999-2001 2011-2013
Total 1237.08 mm Total 1366.88 mm Total 2490.83 mm
1200

1000

Escorrentía (mm)
800

600

400

200

0
1 2 3
Subcuencas
Figura 5.17. Escorrentía media anual. Periodos A (1986-1988), B (1999-2001) y C (2011-2013),
cuenca Río Tehuantepec.

Los periodos estudiados señalan una relación entre subcuencas de mayor y menor
generación de escurrimiento superficial. La producción de menor escorrentía para los
tres periodos de estudio corresponde a la subcuenca 1, abarcando toda la zona norte
y oeste, y parte de la zona centro la cual presenta cobertura vegetal boscosa en la
parte norte y selva caducifolia en la parte centro, la mayor cobertura de la subcuenca
es utilizada para la agricultura temporal y de riego. La subcuenca 2 presenta
coberturas de vegetación boscosa y de selva caducifolia principalmente, siendo la
zona de mayor generación de escorrentía debido a su geografía y ubicación en la parte
baja de la cuenca Río Tehuantepec, y su cercanía con el Golfo de Tehuantepec e istmo
de Tehuantepec con mayor presencia de fenómenos meteorológicos (Pérez, 2013).

Tabla 5.12. Cambio de escorrentía media anual entre los periodos de estudio, R. Tehuantepec.
Escorrentía Cambios
Sub- 1986-1988 1999-2000 2011-2013
A-B B-C A-C
cuenca (A) (B) (C)
mm mm mm mm mm mm
1 116.7 250.2 365.02 (+) 133.50 (+) 114.82 (+) 248.32
2 861.38 629.82 1289.08 (-) 231.56 (+) 659.26 (+) 427.70
3 259 486.86 836.73 (+) 227.86 (+) 349.87 (+) 577.73

Las tres subcuencas mostraron un incremento en los valores de escorrentía respecto

al periodo A (Tabla 5.12). El cambio menor de escorrentía media anual entre el periodo
A-C se presentó para la subcuenca 2 pasando de 861.38 mm a 1,289.08 mm de
escorrentía generada y obtener un incremento de +427.73 mm (49.65 %). Mientras

153
que, la subcuenca 3 presentó un mayor cambio pasado de 259.00 mm a 836.73 mm
de escorrentía generada y obtener un incremento de +577.73 mm (223.06 %). Durante
el periodo A-C, el promedio general de cambio de escurrimiento sobre la cuenca fue
de +417.92 mm (+101.35 %) con tasa anual de +14.41 mm/año.

5.3.4 Análisis de la relación cambio de uso de suelo y escurrimiento superficial

en la cuenca Alta del Río Conchos y Río Tehuantepec.

En las Figuras 5.18 y 5.19 se muestra la comparación general de los cambios de uso
de suelo versus el cambio de escurrimiento superficial total generado para los
escenarios de los años 1986, 2000, 2015 (Tehuantepec) y 2016 (Alta R. Conchos).

La comparación muestra que para la cuenca Alta del Río Conchos (Figura 5.18a) se
observa un decremento del escurrimiento superficial acompañado de la disminución
de áreas de pastizales y bosques mixtos, y un incremento de áreas de matorrales y
tierras para agricultura temporal. La disminución de escorrentía se relaciona en parte
al aumento de extensión territorial para agricultura temporal, debido al incremento de
aproximadamente 200,000 ha durante 30 años (1986-2016).

Por otro lado, en análisis de escurrimiento por tipo de uso de suelo indica que la
cobertura vegetal con mayor escurrimiento superficial fueron los pastizales (Figura
5.18b), en los cuales se observó una tendencia negativa que va desde 195 mm en
1986 a 40 mm para el año 2016. Los bosques perenes y mixtos generaron una
escorrentía promedio de entre 36 mm y 67 mm para 1986 y entre 15 mm y 17 mm para
el año 2016, respectivamente. Por otro lado, la agricultura de riego fue la cobertura
con menor generación de escorrentía superficial durante los tres periodos, pasando de
0.95 mm en 1986 a 0.36 mm para el año 2016. Los cambios de escorrentía superficial
para el resto de usos de suelo de la cuenca Alta del Río Conchos se observan en la
Figura 5.18b.

154
 (a)
50 500
Cobertura de uso de suelo en la cuenca(%) 45

Escurrimiento total en la cuenca (mm)

40 400

35

30 300
25

20
200
15

10
100
5

0
0
1986 2000 2016
Año de uso de suelo
Agricultura temporal Agricultura de riego Pastizales Matorrales Vegetación ribereña/galería
Bosque perenne Bosque mixto Cuerpos de agua Áreas quemadas Escurrimiento

USOS DE SUELO 2016 2000 1986

(b)

Áreas quemadas

Cuerpos de agua

Bosque mixto
Uso de suelo

Bosque perenne

Vegetación ribereña/galería

Matorrales

Pastizales

Agricultura de riego

Agricultura temporal

0 10 20 30 40 50 60 70 80 90 190 200
Escurrimiento (mm)
Figura 5.18. (a) Comparación general del cambio de uso de suelo versus cambio de escurrimiento
superficial, y (b) cambios en el escurrimiento superficial desglosado por tipos de uso de suelo para la
cuenca Alta del Río Conchos.

Por otro lado, (Figura 5.19a) la cuenca Río Tehuantepec muestra un incremento de
escurrimiento superficial y una disminución de áreas de bosque mixto y selva
caducifolia, mientras que la superficie de pastizales y bosques perennes se
incrementaron. El incremento de escorrentía en Tehuantepec se relaciona en parte a

155
la pérdida de extensión de superficie de bosques mixtos y selvas caducifolias, dos de
los ecosistemas de mayor extensión dentro de la cuenca, 62.26 % para el año 2015.
(a)
50 3000
Cobertura de uso de suelo en la cuenca (%)

Escurrimiento total en la cuenca (mm)

40 2500

30 2000

20
1500

10
1000

0
500
1986 2000 2015
Año de uso de suelo
Agricultura temporal Agricultura de riego Pastizales Selva Caducifolia
Bosque perenne Bosque mixto Cuerpos de agua Áreas quemadas Escurrimiento

USOS DE SUELO 2015 2000 1986

(b)
Áreas quemadas

Cuerpos de agua

Bosque mixto

Bosque perenne

Selva caducifolia

Pastizales

Agricultura de riego

Agricultura temporal

0 100 200 300 400 500 600 700 800 1300 1400
Escurrimiento (mm)
Figura 5.19. (a) Comparación general del cambio de uso de suelo versus cambio de escurrimiento
superficial, y (b) cambios en el escurrimiento superficial desglosado por tipos de uso de suelo para la
cuenca del Río Tehuantepec.

En la cuenca del Río Tehuantepec, la cobertura vegetal con mayor generación de

escorrentía superficial durante los periodos de estudio fue la selva caducifolia (Figura
5.19b), pasando de 691 mm en 1986 a 1,315 mm para el año 2015. Los bosques

156
perennes y mixtos generaron una escorrentía promedio entre 121 mm y 263 mm para
1986 y entre 281 mm y 338 mm para el año 2015, respectivamente. Mientras que la
agricultura de riego, fue la cobertura con menor escorrentía superficial durante los tres
periodos, pasando de 4 mm en 1986 a 8 mm para el año 2015.

Análisis de la relación cambio de uso de suelo-escurrimiento desglosado por

subcuencas.

La Figura 5.20 muestra la comparación entre los cambios de uso de suelo y el

escurrimiento superficial desglosado por subcuencas para la cuenca Alta del Río
Conchos y Río Tehuantepec.

En la cuenca Alta del Río Conchos (Figura 5.20a), los datos revelan que existe una
disminución de escorrentía superficial y de sus coberturas de uso de suelo principales;
bosques perenes, bosques mixtos y pastizales. Para 1986 los pastizales comprendían
entre 58.23 % y 87.62 % del área para las subcuencas 3, 7, 9, 10 y 11, y generaban
una escorrentía media de entre 30 mm y 39 mm anuales. Para el año 2000 los
pastizales de las mismas subcuencas, de entre 51.79 % y 82.39 % de cobertura,
generaron una escorrentía media de entre 0.70 mm y 22 mm anuales, y para el año
2016 las subcuencas comprendían pastizales entre 42.36 % y 85.69 % de cobertura y
una escorrentía media anual de entre 4 mm y 13 mm. Los bosques perenes
presentaban para 1986 una cobertura de entre 16.28 % y 41.38 % para las subcuencas
1, 2, 4, 5, 6 y 8, y una escorrentía media generada de entre 2 mm y 10 mm anuales.
En el año 2000 los bosques perennes para las mismas subcuencas presentaban una
cobertura y una escorrentía media anual de entre 16.00 % y 36.49 % y entre 2 mm y
9 mm, respectivamente. Y para el año 2016 las subcuencas comprendían cobertura
de bosques perennes entre 14.72 % y 39.77 % y una escorrentía media anual de entre
1 mm y 5 mm. Los bosques mixtos para 1986 comprendían entre 20.79 % y 59.78 %
del área para las subcuencas 1, 2, 4, 5, 6, 7 y 8, y generaban una escorrentía media
de entre 3 mm y 13 mm anuales. Para el año 2000 los bosques mixtos de las mismas
subcuencas, de entre 19.80 % y 57.86 % de cobertura, generaron una escorrentía
media de entre 5 mm y 14 mm anuales, y para el año 2016 las subcuencas
comprendían cobertura de bosques mixtos entre 16.95 % y 46.17 % y una escorrentía
157
 (a) (b)
Año 1986 Año 1986
40 500

35
400
Escurrimiento superficial (mm)

Escurrimiento superficial (mm)

30

25
300
20

15 200

10
100
5

0
0

0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Cobertura de uso de suelo por subcuencas (%) Cobertura de uso de suelo por subcuencas (%)
Agricultura temporal Agricultura de riego Pastizales Agricultura temporal Agricultura de riego Pastizales
Matorrales Vegetación ribereña/galería Año 2000
Bosque perenne Selva caducifolia Bosque perenne Año 2000mixto
Bosque
25 400
Bosque mixto Cuerpos de agua Áreas quemadas Cuerpos de agua Áreas quemadas
350
20
Escurrimiento superficial (mm)

Escurrimiento superficial (mm)

300

15 250

200
10
150

5 100

50
0
0

0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Cobertura de uso de suelo por subcuencas (%) Cobertura de uso de suelo por subcuencas (%)
Agricultura temporal Agricultura de riego Pastizales Agricultura temporal Agricultura de riego Pastizales
Matorrales Vegetación ribereña/galería
Año 2016
Bosque perenne700 Selva caducifolia Bosque perenne Año
Año 2015
2015
Bosque mixto
14 700
Bosque Año 2016 Cuerpos de agua Áreas quemadas
14 mixto Cuerpos de agua Áreas quemadas

12 600
600
12
(mm)
Escurrimiento superficial (mm)

superficial (mm)
Escurrimiento superficial (mm)

10 500
10
Escurrimiento superficial

8 400
8

6 300
6

4 200
4

2 2 100

0 0 0

00 1010 2020 30 40 50 60 80 90 100 00 10

10 20
20 30
30 40
40 50
50 60
60 70
70 80
80 90 100
90 100
30 40 50 60 70 80 90 100
Cobertura
Coberturade
deuso
usode
desuelo
suelo por
por subcuencas (%)
subcuencas (%) Cobertura de
Cobertura usode
de uso suelopor
desuelo subcuencas(%)
porsubcuencas (%)
Agricultura temporal
Agricultura temporal Agricultura
Agriculturade
de riego
riego Pastizales
Pastizales Agricultura temporal
Agricultura temporal Agricultura deriego
Agriculturade riego Pastizales
Pastizales
Matorrales
Matorrales Vegetaciónribereña/galería
Vegetación ribereña/galería Bosque
Bosqueperenne
perenne Selva caducifolia
Selva caducifolia Bosqueperenne
Bosque perenne Bosquemixto
Bosque mixto
Bosque
Bosque mixto
mixto Cuerposde
Cuerpos deagua
agua Áreas
Áreasquemadas
quemadas Cuerpos de agua
Cuerpos de agua Áreas quemadas
Áreas quemadas
Figura 5.20. Diagrama de dispersión del escurrimiento medio anual versus cobertura de uso de suelo
por subcuencas, para la cuenca (a) Alta del Río Conchos y la cuenca (b) Río Tehuantepec.

158
media anual de entre 1 mm y 5 mm. Por otro lado la cobertura de agricultura de
temporal que se extendió rápidamente, debido a la transición de coberturas (capitulo
IV), muestra un pequeño aumento de escorrentía generada para las subcuencas 1, 2,
4, 5, 6, 7, 8, y 9: cobertura de entre 0.00-1.46 % y un escurrimiento de entre 0.00-0.70
mm para 1986; cobertura de entre 1.74-8.35 % y un escurrimiento de entre 0.27-2.77
mm para el año 2000; y una cobertura de entre 8.2-25.74 % y un escurrimiento de
entre 0.25-2.12 mm para 2016; manifestando que la agricultura de temporal no alteró
la disminución de escurrimiento superficial en la cuenca Alta del Río Conchos.

En la cuenca del Río Tehuantepec (Figura 5.20b), los datos revelan que existe un
incremento de escorrentía media anual en las principales coberturas de uso de suelo
de la cuenca; selva caducifolia, bosques perenes, bosques mixtos y uso de suelo para
agricultura temporal. La selva caducifolia y bosques mixtos presentaron una reducción
de cobertura, los bosques perennes obtuvieron incrementos de área, y el uso de suelo
para agricultura temporal obtuvo incrementos mínimos de área. Para 1986 las selvas
caducifolias comprendían entre 42.55 % y 75.03 % del área para las subcuencas 1, 2,
y 3, y generaban una escorrentía media de entre 50 mm y 447 mm anuales. En el año
2000 las selvas caducifolias de las mismas subcuencas, de entre 45.57 % y 70.28 %
de cobertura, generaron una escorrentía media de entre 114 mm y 342 mm anuales,
y para el año 2015 las subcuencas comprendían selva caducifolia entre 40.60 % y
62.74 % de cobertura y una escorrentía media anual de entre 148 mm y 642 mm. Los
bosques mixtos presentaban para 1986 una cobertura de entre 21.77 % y 26.71 %
para las subcuencas 1 y 2, y una escorrentía media generada de entre 25 mm y 230
mm anuales. El año 2000 los bosques mixtos para las mismas subcuencas
presentaban una cobertura y una escorrentía media anual de entre 18.59 % y 19.87 %
y entre 50 mm y 117 mm, respectivamente. Y para el año 2015 las subcuencas
comprendían bosques mixtos entre 18.63 % y 20.58 % de cobertura y una escorrentía
media anual de entre 68 mm y 265 mm. Para 1986 los bosques perennes comprendían
entre 11.10 % y 12.53 % del área para las subcuencas 1 y 2, y generaban una
escorrentía media de entre 13 mm y 108 mm anuales. En el año 2000 los bosques
perennes de las mismas subcuencas, de entre 15.42 % y 21.62 % de cobertura,
generaron una escorrentía media de entre 39 mm y 136 mm anuales, y para el año

159
2015 las subcuencas comprendían bosques perennes entre 15.25 % y 16.55 % de
cobertura y una escorrentía media anual de entre 56 mm y 213 mm. Finalmente, el uso
de suelo para agricultura de temporal no presentó cambios trascendentes de
cobertura, sin embargo, para 1986 en las subcuencas 1, 2 y 3, se presentaba una
cobertura de agricultura de temporal y un escurrimiento medio mensual de entre 5.32-
19.95 % y 23-46 mm, respectivamente. Para el año 2000 en las subcuencas se
presentaba una cobertura y un escurrimiento medio mensual de entre 3.09-14.27 % y
20-44 mm, respectivamente, y para el 2016 las subcuencas presentaban una cobertura
de agricultura de temporal y un escurrimiento medio mensual de entre 5.61-19.78 % y
72-132 mm, respectivamente, presentando incrementos de escurrimiento.

En general, la cuenca Alta del Río Conchos presenta reducción de sus coberturas
principales y reducción de su escorrentía en cada una de ellas; los pastizales y
bosques perennes disminuyeron su cobertura y escurrimiento superficial, los bosques
mixtos disminuyeron su cobertura y escurrimiento para los años 1986 y 2016, y
aumentaron su escorrentía para el año 2000, mientras que la agricultura de temporal
incrementó tanto su cobertura como su escurrimiento superficial. El resto de usos de
suelo, áreas pequeñas en comparación con las coberturas principales de la cuenca,
no presentaron cambios transcendentales de cobertura y escorrentía. Caso contrario,
la cuenca Río Tehuantepec incrementó su escorrentía media anual en cada uso de
suelo integrado; las selvas caducifolias y bosques mixtos disminuyeron su cobertura y
aumentaron su escorrentía, los bosques perennes aumentaron su cobertura y
escorrentía, mientras que, la agricultura de temporal mantuvo su cobertura, pero
aumentó su escorrentía superficial. El resto de los usos de suelo, áreas pequeñas en
comparación con las coberturas principales de la cuenca, no presentaron cambios
significativos de cobertura y escorrentía.

La vegetación en las cuencas juega un papel importante en la generación de la cubierta

dosel que afecta la intercepción y permeabilidad de la superficie, aumentando la
infiltración y almacenamiento, y reduciendo el escurrimiento superficial (Hernandez et
al., 2000), sin embargo, los cambios sobre la cubierta del suelo generan un mayor
impacto en la escorrentía que los cambios sobre la cubierta dosel (Nearing et al.,

160
2005). Si bien el cambio de uso de suelo generalmente refleja casos de incrementos
de escorrentía superficial por la pérdida de cubierta vegetal como lo muestran Hu et.
al. (2020), Dinka y Klik (2019), Guzha et al. (2018), Kavian et al. (2018), Sinha y Eldho
(2018) y Mekonnen et al. (2017), o decrementos de escorrentía por el aumento de
vegetación como lo exponen Martínez et al. (2020), Li et al. (2019), Zhang et al. (2019)
y Ortiz (2010), las cuencas del Río Conchos y Tehuantepec presentaron condiciones
diferentes de escorrentía bajo pérdida de área de sus principales usos de suelo;
disminución de escorrentía en la cuenca Alta del Río Conchos y aumento en la cuenca
del Río Tehuantepec.

Las condiciones de clima seco-semiseco templado de la cuenca Alta del Río Conchos,
templado subhúmedo-húmedo de la cuenca Río Tehuantepec, y principalmente, los
efectos de cambio de las condiciones climáticas extremas (variabilidad de
precipitaciones) en el proceso de la escorrentía puede ser muy significativo (Nearing
et al., 2005). Por una parte, la reducción de escorrentía en la cuenca del Conchos
debido a la reducción de precipitaciones que se han presentado en todo la cuenca a
partir de los años 90´s (Martínez y Irula, 2016), un cambio de precipitación de 1986 a
2016 de –214.34 mm (-38.35 %) media anual o -7.14 mm/año (Livneh et al., 2015). Y,
por otro lado el aumento de escorrentía en la cuenca del Río Tehuantepec relacionado
en parte por la presencia de precipitaciones pluviales intensas y ciclones (SMAEDS,
2018), un cambio de 1986 a 2015 de +563.29 mm (55.25 %) medio anual o +19.42
mm/año (Livneh et al., 2015), y la pérdida de cobertura de vegetal dentro de la cuenca.
Al igual que la cuenca Alta del Río Conchos, Conde (2019) manifiesta para dos
subcuencas costeras de Jalisco una reducción de escurrimiento superficial relacionado
principalmente con la disminución de las precipitaciones de la zona de estudio.
Mientras que de forma similar a la cuenca Río Tehuantepec, Osorio (2017) muestra
para la subcuenca Huichihuayán-Huehuetlán, en San Luis Potosí, un aumento de
escorrentía y erosión relacionado en gran parte por el aumento de las precipitaciones.

Los cambios de uso de suelo en las cuencas hidrográficas Alta del Río Conchos y
Tehuantepec han disminuido y aumentado la escorrentía respectivamente. Sin
embargo, la influencia del uso del suelo en la generación de escorrentía dependerá en

161
gran medida de las características e importancia del evento de lluvia y de su escala
espacial (Fang et al., 2012; Niehoff, Fritsch, y Bronstert, 2002). Por lo tanto, sería viable
en un futuro la generación de un estudio que tome en cuenta los cambios de usos de
suelo y la variabilidad climatológica (cambio climático) que influyen directamente en la
generación de la escorrentía.

5.4 CONCLUSIONES

Se analizó el efecto de cambio de uso de suelo sobre la escorrentía durante un periodo

de treinta años (1986-2016) en la cuenca Alta del Río Conchos y cuenca Río
Tehuantepec mediante el uso del modelo SWAT. El estudio se generó utilizando las
herramientas y datos disponibles para la obtención y comparación de la escorrentía
generada en cada una de ellas, revelando condiciones diferentes de escorrentía
superficial durante el periodo analizado.

Durante el periodo estudiado, la cuenca Alta del Río Conchos presentó una reducción
de la superficie de pastizales, bosques perennes y mixtos y un incremento de
agricultura de temporal lo que coincide con una reducción de la escorrentía superficial
(69.44 %). Por otra parte, la cuenca Río Tehuantepec presentó una disminución en
superficie de los usos de suelo principales como selvas caducifolias y bosques mixtos
y un incremento de la escorrentía superficial (101.35 %). Este comportamiento
hidrológico muestra que el efecto del uso de suelo tiene más relevancia en la cuenca
con clima tropical cálido subhúmedo/húmedo mientras que en la cuenca
árida/semiárida seco el uso de suelo no es el principal factor que define el
escurrimiento. Esto apoya la teoría que el componente que más influye en el
comportamiento hidrológico es el climático.

Por un lado, en la cuenca Alta del Río Conchos el escurrimiento se reduce y en

Tehuantepec aumenta, a pesar de que ambas presentaron procesos de degradación
o deforestación similares, así como el aumento de áreas para agricultura de
riego/temporal. La relación usos de suelo-escorrentía en la cuenca Río Tehuantepec
de clima tropical es clara, pues con la reducción de bosques y vegetación natural y el
reemplazo por agricultura, el escurrimiento aumenta, esto se explica porque al reducir

162
la capacidad de infiltración natural el agua tiene menos tiempo para infiltrarse y escurre
más rápidamente. Sin embargo, eso no ocurre en la cuenca Alta del Río conchos. Una
razón puede ser porque el componente climático tiene más relevancia que el
componente de uso de suelo, afectado por la disminución de la precipitación causado
por el cambio climático.

Las condiciones diferentes de clima (precipitación, temperatura, humedad, vientos) y

localización, influenciadas por la variabilidad de precipitaciones y cambios de uso de
suelo en las cuencas Alta del Río Conchos y Río Tehuantepec, permitieron conocer el
comportamiento y la generación de la escorrentía superficial en cada una de ellas,
obteniendo una comprensión primordial de su hidrología superficial y los cambios que
recientemente han presentado, dejando de manifiesto la importancia que tienen estas
cuencas, como muchas otras, dentro de la república mexicana.

163
5.5 REFERENCIAS. SIMULACIÓN DE ESCORRENTÍA SWAT

Allaire, J. J. (2011). RStudio. Consultado desde https://rstudio.com/

Arnold, J. G., Moriasi, D. N., Gassman, P. W., Abbaspour, K. C., White, M. J., Srinivasan, R., … Jha, M.
K. (2012). Swat: Model Use, Calibration, and Validation. Transactions of the ASABE, 55(4), 1491–
1508. https://doi.org/ISSN 2151-0032
Arriaga, C. L., Aguilar, S. V., y Alcocer, D. J. (2000). Aguas continentales y diversidad biológica de
México. Comisión Nacional Para El Conocimiento y Uso de La Biodiversidad. Cuidad de México,
México. Consultado desde
https://www.researchgate.net/publication/288653603_Aguas_continentales_y_diversidad_biologi
ca_de_Mexico
Berihun, M. L., Tsunekawa, A., Haregeweyn, N., Meshesha, D. T., Adgo, E., Tsubo, M., … Ebabu, K.
(2019). Hydrological responses to land use/land cover change and climate variability in contrasting
agro-ecological environments of the Upper Blue Nile basin, Ethiopia. Science of the Total
Environment, 689, 347–365. https://doi.org/10.1016/j.scitotenv.2019.06.338
Bronstert, A., Niehoff, D., y Brger, G. (2002). Effects of climate and land-use change on storm runoff
generation: Present knowledge and modelling capabilities. Hydrological Processes, 16(2), 509–
529. https://doi.org/10.1002/hyp.326
Bueno, P. H., Sánchez, I. C., Esquivel, G. A., Palomo, M. R., y Velásquez, M. A. V. (2014). Impacto del
cambio en la vegetación sobre el escurrimiento utilizando el modelo SWAT. AGROFAZ, 14(2),
111–115.
CONABIO. (2008). Hidrografía de México. Consultado desde
http://www.conabio.gob.mx/informacion/metadata/gis/hidro4mgw.xml?_xsl=/db/metadata/xsl/fgdc
_html.xsl&_indent=no
CONAGUA. (2016). Banco Nacional de Datos de Aguas Superficiales (BANDAS). Consultado desde
https://app.conagua.gob.mx/bandas/
CONAGUA. (2018). Atlas del agua en México, edición 2018. Cuidad de México, México: Comisión
Nacional del Agua. Consultado desde
https://files.conagua.gob.mx/conagua/publicaciones/Publicaciones/AAM2018.pdf
Conde, E. A. B. (2019). Escenarios de cobertura y uso de suelo y sus posibles efectos sobre el
comportamiento hidrológico y la biodiversidad, en dos subcuencas de la costa de Jalisco, México.
Repositorio Institucional CATIE: Centro Agronómico Tropical de Investigación y Enseñanza, 78–
103. Consultado desde http://hdl.handle.net/11554/9014
Cuevas, M. L., Garrido, A., Pérez, J. L., y Iura, D. (2010). Procesos de cambio de uso de suelo y
degradación de la vegetación natural-Estado actual de la vegetación en las cuencas de México.
En Las Cuencas Hidrográficas de México (p. 232).
https://doi.org/10.1200/JCO.2016.34.15_suppl.TPS10583
Dinka, M. O., y Klik, A. (2019). Effect of land use–land cover change on the regimes of surface runoff—
the case of Lake Basaka catchment (Ethiopia). Environmental Monitoring and Assessment, 191(5).
https://doi.org/10.1007/s10661-019-7439-7
Fang, N. F., Shi, Z. H., Li, L., Guo, Z. L., Liu, Q. J., y Ai, L. (2012). The effects of rainfall regimes and
land use changes on runoff and soil loss in a small mountainous watershed. Catena, 99, 1–8.
https://doi.org/10.1016/j.catena.2012.07.004
FAO/UNESCO. (2003). The digital soil map of the World Food and Agriculture Organization of the United
Nations, version 3.6. Consultado desde https://swat.tamu.edu/media/116412/readme.pdf
Garg, V., Nikam, B. R., Thakur, P. K., Aggarwal, S. P., Gupta, P. K., y Srivastav, S. K. (2019). Human-
induced land use land cover change and its impact on hydrology. HydroResearch, 1, 48–56.
https://doi.org/10.1016/j.hydres.2019.06.001
Globalweather. (2019). Global Weather Data for SWAT. Consultado de http://globalweather.tamu.edu
Green, W. H., y Ampt, G. A. (1911). Studies on soil physics, 1. The flow of air and water through soils.
Journal of Agricultural Sciences, 4, 11–24.
Gupta, H. V., Kling, H., Yilmaz, K. K., y Martinez, G. F. (2009). Decomposition of the mean squared error
and NSE performance criteria: Implications for improving hydrological modelling. Journal of
Hydrology, 377(1–2), 80–91. https://doi.org/10.1016/j.jhydrol.2009.08.003
Guzha, A. C., Rufino, M. C., Okoth, S., Jacobs, S., y Nóbrega, R. L. B. (2018). Impacts of land use and
land cover change on surface runoff, discharge and low flows: Evidence from East Africa. Journal

164
 of Hydrology: Regional Studies, 15(May 2017), 49–67. https://doi.org/10.1016/j.ejrh.2017.11.005
Hajian, F., Dykes, A. P., y Cavanagh, S. (2019). Assessment of the flood hazard arising from land use
change in a forested catchment in northern Iran. Journal of Flood Risk Management, 12(4), 1–16.
https://doi.org/10.1111/jfr3.12481
Hernandez, M., Miller, S. N., Goodrich, D. C., Goff, B. F., Kepner, W. G., Edmonds, C. M., & Jones, K.
B. (2000). Modeling runoff response to land cover and rainfall spatial variability in semi-arid
watersheds. Environmental Monitoring and Assessment, 64(1), 285–298.
https://doi.org/10.1023/A:1006445811859
Hossain, S., Hewa, G. A., y Wella-Hewage, S. (2019). A comparison of continuous and event-based
rainfall-runoff (RR) modelling using EPA-SWMM. Water (Switzerland), 11(3), 1–34.
https://doi.org/10.3390/w11030611
Hu, S., Fan, Y., y Zhang, T. (2020). Assessing the effect of land use change on surface runoff in a rapidly
Urbanized City: A case study of the central area of Beijing. Land, 9(17), 15.
https://doi.org/10.3390/land9010017
INEGI. (2019). Continuo de Elevaciones Mexicano (CEM), Edición 2013. Consultado desde
https://www.inegi.org.mx/app/geo2/elevacionesmex/index.jsp
Karamage, F., Zhang, C., Fang, X., Liu, T., Ndayisaba, F., Nahayo, L., … Nsengiyumva, J. B. (2017).
Modeling rainfall-runoffresponse to land use and land cover change in Rwanda (1990-2016). Water
(Switzerland), 9(2). https://doi.org/10.3390/w9020147
Kavian, A., Mohammadi, M., Gholami, L., y Comino, J. R. (2018). Assessment of the spatiotemporal
effects of land use changes on runoff and nitrate loads in the Talar River. Water, 10(4), 1–19.
https://doi.org/10.3390/w10040445
Knoben, W. J. M., Freer, J. E., y Woods, R. A. (2019). Technical note: Inherent benchmark or not?
Comparing Nash-Sutcliffe and Kling-Gupta efficiency scores. Hydrology and Earth System
Sciences, 23(10), 4323–4331. https://doi.org/10.5194/hess-23-4323-2019
Li, Y., Chang, J., Luo, L., Wang, Y., Guo, A., Ma, F., y Fan, J. (2019). Spatiotemporal impacts of land
use land cover changes on hydrology from the mechanism perspective using SWAT model with
time-varying parameters. Hydrology Research, 50(1), 244–261.
https://doi.org/10.2166/nh.2018.006
Livneh, B., Bohn, T. J., Pierce, D. W., Munoz-Arriola, F., Nijssen, B., Vose, R., … Brekke, L. (2015). A
spatially comprehensive, hydrometeorological data set for Mexico, the U.S., and Southern Canada
1950-2013. Scientific Data, 2, 1–12. https://doi.org/10.1038/sdata.2015.42
Martínez, R., Aguayo, M., Stehr, A., Sauvage, S., Echeverría, C., y Sánchez, J. M. (2020). Effect of land
use/cover change on the hydrological response of a southern center basin of chile. Water, 12(302),
1–21. https://doi.org/10.3390/w12010302
Martínez, P. F., y Irula, F. (2016). Tendencias de precipitación y cambio climático en la cuenca Alta del
Río Conchos, México. Aqua-LAC, 8(2), 79–88.
Mekonnen, D. F., Duan, Z., Rientjes, T., y Disse, M. (2017). Analysis of the combined and single effects
of LULC and climate change on the streamflow of the Upper Blue Nile River Basin (UBNRB): Using
statistical trend tests, remote sensing landcover maps and the SWAT model. Hydrology and Earth
System Sciences, 1–26. https://doi.org/10.5194/hess-2017-685
Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D., y Veith, T. L. (2007). Model
Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations.
Transactions of the ASABE, 50(3), 885–900. https://doi.org/10.13031/2013.23153
Nearing, M. A., Jetten, V., Baffaut, C., Cerdan, O., Couturier, A., Hernandez, M., … Van Oost, K. (2005).
Modeling response of soil erosion and runoff to changes in precipitation and cover. Catena, 61(2-
3 SPEC. ISS.), 131–154. https://doi.org/10.1016/j.catena.2005.03.007
Neitsch, S. L., Arnold, J. G., Kiniry, J. R., y Williams, J. R. (2011). Soil and Water Assessment Tool
Theoretical Documentation: Version 2009. Texas Water Resources Institute. Consultado desde
https://swat.tamu.edu/media/99192/swat2009-theory.pdf
Niehoff, D., Fritsch, U., y Bronstert, A. (2002). Land-use impacts on storm-runoff generation: Scenarios
of land-use change and simulation of hydrological response in a meso-scale catchment in SW-
Germany. Journal of Hydrology, 267(1–2),80–93. https://doi.org/10.1016/S0022-1694(02)00142-7
Ortiz, A. R. (2010). Implementación del modelo hidrológico SWAT: Modelación y simulación
multitemporal de la variación de escorrentía en la cuenca del lago de Cuitzeo. Universidad
Nacional Autónoma de México.

165
Osorio, V. C. (2017). Implicaciones del uso del suelo en la escorrentía y erosión en la subcuenca
Huichihuayán-Huehuetlán, San Luis Potosí, México. Universidad Autónoma de San Luis Potosí.
Perevochtchikova, M., y Jiménez, F. G. (2006). Análisis cualitativo de la red hidrométrica actual del
estado de Guerrero, México. Investigaciones Geograficas, 61, 24–37.
Pérez, N. (2013). Hidroclimatología de las cuencas del sureste mexicano con énfasis en los flujos
superficiales, precipitación y teleconexiones. Centro de Investigación Científica y de Educación
Superior de Ensenada. Consultado desde
https://207.249.117.38/jspui/bitstream/1007/911/1/232531.pdf
Pool, S., Vis, M., y Seibert, J. (2018). Evaluating model performance: towards a non-parametric variant
of the Kling-Gupta efficiency. Hydrological Sciences Journal, 63(13–14), 1941–1953.
https://doi.org/10.1080/02626667.2018.1552002
Rallison, R. E., y Miller, N. (1981). Past, present and future SCS runoff procedure. In V. P. Singh (Ed.),
Rainfall runoff relationship (pp. 353–364). Littleton, Colorado: Water Resources Publications, LLC.
Rodríguez, J. A., Carreón, E., Lafon, A., Santos, J., y Ruiz, R. (2017). Cambio de uso de suelo en la
cuenca Alta del Río Conchos, Chihuahua, México. En La cuenca Alta del Río Conchos: Una mirada
desde las ciencias ante el cambio climático. (pp. 156–203).
Rodríguez, L. D. H. (2016). Servicios ambientales hidrológicos proporcionados por los ecosistemas
forestales de la cuenca del río Misantla, Veracruz. Universidad Veracruzana.
Salas, V. M. A., y Paz, F. P. (2018). Base de datos para la estimación de sedimentos en subcuencas de
México. Elementos Para Políticas Públicas, 2(2), 85–92.
Santhi, C., Arnold, J. G., Williams, J. R., Dugas, W. A., Srinivasan, R., y Hauck, L. M. (2007). Validation
of the swat model on a large Rwer basin with point and nonpoint sources. Journal of the American
Water Resources Association, 37(5), 1169–1188. https://doi.org/10.1111/j.1752-
1688.2001.tb03630.x
SCS. (1972). Section 4: Hydrology. En V. Mockus (Ed.), National Engineering Handbook (p. 762).
Washington DC: Department of Agriculture.
SCS. (1986). Urban hydrology for small watersheds. USDA, United States Department of Agriculture.
Department of Agriculture, Technical Release 55. Consultado desde
https://www.nrcs.usda.gov/Internet/FSE_DOCUMENTS/stelprdb1044171.pdf
SEMARNAT. (2016). Informe de la situación del medio ambiente en México, 2015. Cuidad de México,
México. Consultado desde
https://apps1.semarnat.gob.mx:8443/dgeia/informe15/tema/pdf/Informe15_completo.pdf
Sinha, R. K., y Eldho, T. I. (2018). Effects of historical and projected land use/cover change on runoff
and sediment yield in the Netravati river basin, Western Ghats, India. Environmental Earth
Sciences, 77(3), 1–19. https://doi.org/10.1007/s12665-018-7317-6
Sleeter, B. M., Loveland, T., Domke, G., Herold, N., Wickham, J., y Wood, N. (2018). Land cover and
land-use change. In D. R. Reidmiller, C. W. Avery, D. R. Easterling, K. E. Kunkel, K. L. M. Lewis,
T. K. Maycock, & B. C. Stewart (Eds.), Impacts, Risks, and Adaptation in the United States: Fourth
National Climate Assessment, Volume II (pp. 202–231). Washington, DC, USA: U.S. Global
Change Research Program. https://doi.org/10.7930/NCA4.2018.CH5
SMAEDS. (2018). Secretaría del Medio Ambiente Energías y Desarrollo Sustentable de Oaxaca.
Programa estatal de cambio climático de Oaxaca 2016-2022. Oaxaca, México.: ResearchGate.
Consultado desde https://www.researchgate.net/profile/Oscar_Mijangos-
Ricardez/publication/337568132_PECC-Oaxaca-2016-
2022/links/5ddea58f92851c83644e1f15/PECC-Oaxaca-2016-2022.pdf
Song, X., Hansen, M. C., Stehman, S. V, Potapov, P. V, Tyukavina, A., Vermote, E. F., y Townshend, J.
R. (2018). Global land change from 1982 to 2016. Nature, 560(7720), 35.
https://doi.org/10.1038/s41586-018-0411-9
SWAT. (2019). Global Data for SWAT Model. Consultado desde https://swat.tamu.edu/data/
USGS. (2018). Global land cover characteristics data base version 2.0. Consultado desde https://prd-
wret.s3.us-west-2.amazonaws.com/assets/palladium/production/s3fs-
public/atoms/files/GlobalLandCoverCharacteristicsDataBaseReadmeVersion2.pdf
Zhang, L., Meng, X., Wang, H., y Yang, M. (2019). Simulated runoff and sediment yield responses to
land-use change using the SWAT model in Northeast China. Water (Switzerland), 11(5), 1–23.
https://doi.org/10.3390/w11050915

166
6 CONCLUSIONES GENERALES

1) Se analizó el efecto del cambio y uso de suelo en el escurrimiento superficial

mediante el uso de un modelo hidrológico e imágenes satelitales para dos
cuencas contrastantes desde el punto de vista climático y geográfico; la cuenca
Alta del Río Conchos, al noroeste de la República mexicana con clima tipo
árido/semiárido, y la cuenca Río Tehuantepec, al suroeste de la república con
clima tipo tropical, durante el periodo establecido 1986-2016.
2) La revisión documental entre modelos hidrológicos comparados en este estudio,
señalan que SWAT presentó ventajas en integración procesos, campos y
dimensionamiento de aplicación. Se destaca como software libre, de fácil
operación y manejo en SIG, posee una gran cantidad de investigaciones a nivel
internacional, foros de apoyo, y su propia base de datos globales, los cuales
fueron base en la realización de este estudio.
3) Los resultados del análisis morfométrico de las cuencas estudiadas indican que
son morfométricamente distintas en 3 parámetros; densidad de drenaje,
pendiente media del cauce principal y tiempo de concentración, los cuales influyen
de manera directa en el desagüe de las cuencas. En cambio, presentan
similitudes en el resto de parámetros analizados como forma y pendiente media
de la cuenca, curva hipsométrica y orden de corrientes. Sin embargo, otras
características físicas (precipitaciones/uso de suelo) dentro de las cuencas están
mayormente relacionadas con la generación de la escorrentía superficial.
4) El análisis de cambio de usos de suelo mostró que ambas cuencas han sido
afectadas en sus principales coberturas vegetales (pastizales, selvas caducifolias
y bosques), debido a la deforestación, incendios forestales e incremento de áreas
de agricultura temporal. Durante el periodo 1986-2016, la cuenca Alta del Río
Conchos sufrió el 41 % de cambios sobre su superficie, mientras que para 1986-
2015 la cuenca del Río Tehuantepec lo hizo en un 39 % de su superficie.
5) El escurrimiento superficial medio mensual de la cuenca Alta del Río Conchos
utilizando el modelo SWAT fue de 28.16 mm (uso suelo 1986), 19.06 mm (uso
suelo 2000) y 8.61 mm (uso suelo 2016), con precisiones R2 y EKG entre 0.07 y
0.74 y entre 0.04 y 0.82, respectivamente. Mientras que para la cuenca Río

167
 Tehuantepec fue de 103.09 mm (uso suelo 1986), 113.80 mm (uso suelo 2000) y
204.36 mm (uso suelo 2015), con precisiones R2 y EKG entre 0.39 y 0.76 y entre
-2.94 y 0.38, respectivamente.
6) La comparación de la escorrentía superficial durante el periodo 1986-2016, junto
con los cambios de uso de suelo de cada cuenca, mostró una disminución de
escurrimiento superficial en la cuenca Alta del Río Conchos (69.44 %) y un
aumento en Río Tehuantepec (101.35 %), sin embargo, la posibilidad de que los
cambios de escorrentía superficial estén mayormente relacionados con los
cambios de variabilidad climática (precipitaciones) sea más relevante para los
territorios áridos como la cuenca Alta del Río Conchos.
7) La relación uso de suelo-escorrentía no es la misma en todas las cuencas, su
comportamiento va a depender de otros componentes como el clima, que hoy por
hoy dadas las condiciones que vivimos se han hecho cada vez más importantes.

168