Tesis de Grado

ESTIMACIÓN DE LA CONTAMINACIÓN DIFUSA POR ACTIVIDADES
AGRÍCOLAS MEDIANTE EL MÉTODO HIDROLÓGICO SWAT EN LA

SUBCUENCA DEL RÍO LAS PIEDRAS.
YINETH VIVIANA CAMACHO DE ANGULO
UNIVERSIDAD DEL CAUCA
FACULTAD DE CIENCIAS NATURALES, EXACTAS Y DE LA EDUCACIÓN
INGENIERÍA FÍSICA
POPAYÁN
2018
ESTIMACIÓN DE LA CONTAMINACIÓN DIFUSA POR ACTIVIDADES
AGRÍCOLAS MEDIANTE EL MÉTODO HIDROLÓGICO SWAT EN LA
SUBCUENCA DEL RÍO LAS PIEDRAS.
YINETH VIVIANA CAMACHO DE ANGULO
Trabajo en modalidad de investigación presentado como requisito para

optar al título de Ingeniera Física
Director
Ing. EDGAR LEONAIRO PENCUE FIERRO
Codirectora
Biol. DIANA MARCELA RUIZ ORDÓÑEZ
UNIVERSIDAD DEL CAUCA
FACULTAD DE CIENCIAS NATURALES, EXACTAS Y DE LA EDUCACIÓN
INGENIERÍA FÍSICA
POPAYÁN
2018
NOTA DE ACEPTACIÓN
_________________________________
_________________________________
_________________________________
_________________________________
________________________
Firma del director
________________________
Firma del codirector
________________________
Firma del jurado
________________________
Firma del jurado
Popayán, 7 de noviembre de 2018.
3
AGRADECIMIENTOS
A Dios, por darme la vida.
A mis padres, Alfonso y Mónica por su amor, apoyo, cariño, dedicación y por
quienes, esto hoy es posible. A mi familia, por su compañía y por estar presentes
en los buenos y malos momentos.
A la Universidad del Cauca, a los profesores del departamento de física y grupo

de Óptica y Láser GOL, especialmente a Leonairo, Claudia, Willfrand y Mario por
los conocimientos brindados, experiencias y vivencias dentro y fuera de clase.
Al grupo de estudios ambientales GEA, en especial a Diana y a Juan Pablo por
la oportunidad de trabajar con ellos y por el apoyo constante durante la
realización del proyecto. A Julián, Cristian y Carlos por las asesorías y por su
ayuda.
A la Fundación Pro Cuenca Río Las Piedras y a la división ambiental del

Acueducto y Alcantarillado de Popayán S.A E.S.P por la información brindada
para el desarrollo satisfactorio de este proyecto.
A mis compañeros de carrera, Ángela, Jessica, Francisco, Christian, Juan Felipe

y Cristian por su compañía, horas de estudio y experiencias que ayudaron en mi
crecimiento profesional y personal.
A mis amigos, especialmente a Juan Sebastián y a Cristhian por demostrarme

que, aunque pasen los años están ahí y nos apoyaremos en los momentos
buenos y no tan buenos. Gracias por todo lo compartido.
4
CONTENIDO
pág.
RESUMEN ........................................................................................................ 10
1. INTRODUCCIÓN ....................................................................................... 11
1.1 PLANTEAMIENTO DEL PROBLEMA .................................................. 12
1.2 JUSTIFICACIÓN .................................................................................. 13
1.3 OBJETIVOS......................................................................................... 14
OBJETIVO GENERAL ............................................................................... 14
OBJETIVOS ESPECÍFICOS ...................................................................... 14
2 MARCO TEÓRICO..................................................................................... 15
2.1 PERCEPCIÓN REMOTA ..................................................................... 15
2.2 PLATAFORMA SATELITAL SENTINEL 2A ......................................... 15
2.3 CONTAMINACIÓN DIFUSA ................................................................ 16
2.4 MODELO HIDROLÓGICO “SOIL AND WATER ASSESSMENT TOOL”
(SWAT) .......................................................................................................... 18
2.4.1 Características del modelo SWAT................................................. 19
2.4.2 Análisis a nivel de las unidades de respuesta hidrológica (HRU). 27
2.5 ZONA DE ESTUDIO ............................................................................ 28
3 PROCEDIMIENTO EXPERIMENTAL ........................................................ 29
3.1 ORGANIZACIÓN DE BASE DE DATOS ............................................. 29
3.1.1 Modelo digital de elevación – DEM. .............................................. 30
3.1.2 Mapa de tipo de suelos. ................................................................ 31
3.1.3 Mapa de uso de suelos. ................................................................ 32
3.1.4 Base de datos climatológicos. ....................................................... 36
3.2 APLICACIÓN DEL MODELO HIDROLÓGICO SWAT ......................... 37
3.2.1 Delineación de la subcuenca y microcuencas. .............................. 37
3.2.2 Creación y definición de las unidades de respuesta hidrológica –
HRU. ...................................................................................................... 40
3.2.3 Generador climático y tablas de datos meteorológicos. ................ 42
5
3.2.4 Simulación. .................................................................................... 42
3.2.5 Calibración y validación. ................................................................ 43
4 RESULTADOS Y ANÁLISIS ...................................................................... 44
4.1 ÁREA DE LA SUBCUENCA Y MICROCUENCAS DEFINIDAS .......... 45
4.2 ANÁLISIS DE LAS UNIDADES DE RESPUESTA HIDROLÓGICA (HRU)
46
4.3 SITUACIÓN ACTUAL DE LA SUBCUENCA ....................................... 50
4.4 CALIBRACIÓN Y VALIDACIÓN DEL MODELO HIDROLÓGICO SWAT.
............................................................................................................. 57
4.5 GENERACIÓN DE ESCENARIOS ...................................................... 58
4.5.1 SEGUNDO ESCENARIO (E2). ..................................................... 59
4.5.2 TERCER ESCENARIO (E3). ......................................................... 61
CONCLUSIONES ............................................................................................. 65
RECOMENDACIONES PARA FUTUROS TRABAJOS DE INVESTIGACIÓN . 67
REFERENCIAS ................................................................................................ 68
ANEXOS ........................................................................................................... 71
6
LISTA DE TABLAS
pág.
Tabla 1. Resolución espectral Sentinel 2A. ...................................................... 16

Tabla 2. Grupos hidrológicos del suelo. ............................................................ 27
Tabla 3. Insumos requeridos para modelo hidrológico SWAT. ......................... 30
Tabla 4. Clasificación de coberturas Subcuenca Río Las Piedras. ................... 35
Tabla 5. Estaciones en la Subcuenca del Río Las Piedras. .............................. 37
Tabla 6. Microcuencas definidas para la Subcuenca del Río Las Piedras. ....... 39
Tabla 7. Unidades de suelo. ............................................................................. 40
Tabla 8. Codificación de coberturas para SWAT. ............................................. 40
Tabla 9. Rango de pendientes para SWAT. ..................................................... 40
Tabla 10. HRU distribuidas por sus componentes dominantes. ....................... 47
Tabla 11. Priorización de coberturas. ............................................................... 48
Tabla 12. Unidades de respuesta hidrológica priorizadas por unidad dominante.
.......................................................................................................................... 50
Tabla 13. Resultados hidrológicos para la simulación 1999-2017. ................... 51
Tabla 14. Visualización mapas. ........................................................................ 52
Figura 15. Precipitación observada vs. Simulada. ............................................ 57
Tabla 16. Parámetros con mayor influencia. ..................................................... 57
Tabla 17. Prácticas agrícolas. ........................................................................... 59
Tabla 18. Modelos para evaluar la contaminación de fuentes agrícolas no
localizadas. ....................................................................................................... 71
Tabla 19. Datos estadísticos de estaciones Arrayanales y El Diviso. ............... 75
7
LISTA DE FIGURAS
pág.
Figura 1. Funcionamiento general de SWAT. ................................................... 20

Figura 2. Representación de ciclo hidrológico SWAT. ...................................... 21
Figura 3. Componentes hidrológicos del modelo SWAT. .................................. 22
Figura 4. Transporte de pesticidas en SWAT. ................................................. 27
Figura 5. Cuenca hidrográfica Río Las Piedras. ............................................... 28
Figura 6. Esquema de trabajo. .......................................................................... 29
Figura 7. Modelo de elevación digital DEM. ...................................................... 31
Figura 8. Mapa de tipo de suelos de la Subcuenca del Río Las Piedras. ......... 32
Figura 9. Mapa de uso de suelos de la Subcuenca del Río Las Piedras .......... 33
Figura 10. Interfaz de descarga misión Copernicus. ......................................... 33
Figura 11. Esquema de trabajo. ........................................................................ 34
Figura 12. Polígonos de pastos naturales y pastos limpios. ............................. 36
Figura 13. Red hídrica Subcuenca del río Las Piedras. .................................... 38
Figura 14. Subcuenca del Río Las Piedras. ...................................................... 39
Figura 15. Unidades de respuesta hidrológica iniciales. ................................... 41
Figura 16. Unidades de respuesta hidrológicas. ............................................... 42
Figura 18. Zonas priorizadas de cultivo y pastos limpios de la zona riparia en la
Subcuenca Las Piedras. ................................................................................... 44
Figura 19. Microcuencas de la subcuenca Río Las Piedras. ............................ 46
Figura 20. Representación esquemática de las HRU, subcuenca rio las Piedras.
.......................................................................................................................... 47
Figura 21. Distribución de suelos dominantes según HRU priorizadas. ........... 48
Figura 22. Distribución de HRU por tipo de cobertura. ..................................... 49
Figura 23. Mapa de HRU ajustado a 241 unidades .......................................... 49
Figura 24. Resultados hidrológicos para la Subcuenca Río Las Piedras. ......... 51
Figura 25. Ciclo del nitrógeno. .......................................................................... 52
Figura 26. Nitrógeno orgánico por microcuenca. .............................................. 53
Figura 27. Nitratos en escorrentía superficial por microcuenca. ....................... 53
Figura 28. Ciclo del fósforo. .............................................................................. 54
Figura 29. Fósforo orgánico por microcuenca................................................... 54
Figura 30. Pérdida de nutrientes. ...................................................................... 56
Figura 31. Rendimiento de sedimentos. ........................................................... 56
Figura 32. Calibración de SWAT con caudal. ................................................... 58
Figura 33. Agua disponible en el suelo para escenario II. ................................ 60
Figura 34. Rendimiento de sedimentos para escenario II. ................................ 60
8
Figura 35. Nitratos en escorrentía superficial para escenario II. ....................... 61
Figura 36. Precipitación para escenario III. ....................................................... 62
Figura 37. Escorrentía superficial. .................................................................... 62
Figura 38. Agua disponible en el suelo para escenario III. ............................... 63
Figura 39. Rendimiento de sedimentos para escenario III. ............................... 63
Figura 40. Nitratos en escorrentía superficial para escenario III. ...................... 64
Figura 41. Calibración del modelo hidrológico SWAT. ...................................... 76
Figura 42. Contribución de la escorrentía superficial para escenario II. ........... 77
Figura 43. Carga de nitrato en aguas subterráneas para escenario II. ............. 77
Figura 44. Precipitación sin incremento. ........................................................... 78
Figura 45. Contribución de la escorrentía superficial para escenario III. .......... 78
Figura 46. Carga de nitrato en aguas subterráneas para escenario III. ............ 79
9
RESUMEN
La investigación se realizó en la subcuenca del río Las Piedras, ubicada en los

municipios de Popayán y Totoró, durante el periodo comprendido entre el año
1999 y 2017. Su propósito fue la estimación de la contaminación difusa por
actividades agrícolas, en el periodo indicado, por lo que fue necesaria la
priorización de las fuentes de contaminación no puntual asociadas a estas
prácticas en las zonas aledañas al cauce principal y tributarios importantes del
río Las Piedras; se simuló, calibró y validó el modelo hidrológico “Soil and Water
Assessment Tool” (SWAT) y se analizaron las tendencias en procesos de
contaminación difusa, según tres escenarios: La situación actual de la
subcuenca, comprendida en el periodo 1999 – 2017, el segundo escenario
teniendo en cuenta el incremento según prácticas tradicionales con uso de
agroquímicos y el tercero, por incremento en la precipitación. El trabajo se
justificó por la importancia de la gestión sostenible del agua destinada al
consumo humano, dada la importancia que tiene esta subcuenca como principal
fuente abastecedora de agua en el municipio de Popayán. Los insumos iniciales
para la aplicación de SWAT fueron el mapa de elevación digital – DEM, los
mapas de tipo y de uso de suelos y la base de datos climatológicos. Los
resultados fueron: La definición de 18 microcuencas y de 607 unidades de
respuesta hidrológica - HRU, la calibración del modelo para los años
comprendidos entre 1999 – 2010, reportando un R2=0.614, y la descripción de
las condiciones de los escenarios propuestos. Concluyéndose que la
contaminación difusa en la subcuenca, a partir de variables hidrológicas, nitratos,
sedimentos, nitrógeno y fósforo, presenta una acumulación baja y que un posible
escenario crítico se presentaría por incremento en las prácticas agrícolas y uso
de agroinsumos.
Palabras clave: Contaminación difusa, percepción remota, modelo hidrológico

SWAT.
10
1. INTRODUCCIÓN
En el planeta, los ecosistemas han sido degradados por la acción antrópica,

afectando los recursos naturales y el clima. Esto, ha incidido en el desarrollo y
bienestar de las comunidades locales a escala global (WI, 2013, 2015; Zuñiga,
O., Uribe, A., Torres, A., Cuero, R., Peña, J., 2013). Al reconocer las complejas
interacciones que ocurren en la biosfera, se hace evidente la creciente,
intervención de los ecosistemas a través de las actividades humanas, entre ellas
se destaca la agricultura con la implementación de diferentes tecnologías que
buscan mejorar la productividad y rentabilidad económica, acelerando la
transformación del suelo para su uso en cultivos con el consecuente aumento de
la erosión y la contaminación edáfica (Robinson, D. A., Hockley, N., Cooper, D.
M., Emmett, B. A., Keith, A. M., Lebron, I., Reynolds, B., Tipping, E., Tye, A. M.,
Watts, C. W., Whalley, W. R., Black, H. I. J., Warren, G. P. y Robinson, 2013;
Zuñiga, O., Uribe, A., Torres, A., Cuero, R., Peña, J., 2013).
En Colombia, las actividades agrícolas se concentran principalmente en la zona

andina, estas son de gran importancia para el desarrollo socio-económico del
país y están orientadas a la producción de grandes volúmenes de alimentos y
materias primas. Consecuentemente, el manejo convencional que conjuga
técnicas de labranza intensiva y el uso excesivo de agroquímicos durante el
proceso de siembra, mantenimiento y cosecha en los cultivos establecidos en
las laderas y valles andinos, han agudizado la deforestación, erosión, pérdida de
fertilidad y desecación de suelos (Etter, A., McAlpine, C., Wilson, K., Phinn, S.,
Possingham, H., 2006).
En el departamento del Cauca, las actividades agrícolas presentan el manejo

convencional expuesto anteriormente, situación que ha generado una
sobreexplotación del suelo manifestándose en la pérdida de productividad, el
incremento en el uso de agroquímicos, la aparición de enfermedades y,
recientemente la exposición a la variabilidad y el cambio climático (GEA, GIT,
CIAgua, 2013; GEA, 2012; Otero, J. D., Figueroa, A., Muñoz, F. A., Peña, 2011),
situación que afecta el bienestar de las comunidades rurales caucanas y pone
en riesgo el desarrollo de la actividad agrícola sostenible en el departamento.
En el 2017, la agricultura convencional generó aproximadamente 917.000

millones de pesos, que representaron el 11% del PIB departamental
posicionándola en el cuarto renglón de importancia económica («Secretaria de
Desarrollo Agropecuario y Fomento Económico», s. f.); sin embargo, en
comparación con el año 2007, la agricultura aportó cerca del 23% del PIB lo que
indica un decrecimiento en la actividad agrícola que afecta la seguridad
11
alimentaria, el desarrollo sostenible y las condiciones socioeconómicas de la
región (GEA, 2014). Debe reconocerse que la agricultura en el Cauca, tiene una
amplia cobertura en términos sociales por la participación de las familias
agricultoras en la economía departamental, ejemplos de ello son el café, la
panela, el cacao, la quinua, entre otros. Por ello, es esencial la recuperación de
las prácticas agrícolas sostenibles, dada su importancia socio-económica y
ambiental para los caucanos.
En este contexto, en el presente estudio se aborda el análisis y la integración de

datos de una cuenca representativa de la zona andina, en el departamento del
Cauca, caso de estudio subcuenca del río Las Piedras, estimándose la
contaminación difusa por actividades agrícolas en zonas de interés, mediante el
procesamiento de imágenes satelitales y la implementación de un modelo
hidrológico, cómo parte importante del estudio de variables características de las
dinámicas de uso y degradación del suelo, y mejorar la planificación del proceso
agrícola soportado en el conocimiento de las características locales, de manera
que se adapten a las condiciones de cambio y variabilidad climática.
1.1 PLANTEAMIENTO DEL PROBLEMA
En el desarrollo de las prácticas agrícolas se realizan actividades de limpieza,

siembra, cosecha y mantenimiento tanto de cultivos como de suelos con fines
productivos. Esto puede ocasionar problemas de deforestación de bosques
naturales y contaminación de las fuentes hídricas, siendo crítico el incremento
en las concentraciones de nitratos y fosfatos provenientes de residuos de abonos
y pesticidas del suelo. De igual manera, se agudizan la erosión y la pérdida de
fertilidad (Etter, A., McAlpine, C., Wilson, K., Phinn, S., Possingham, H., 2006;
GEA, GIT, CIAgua, 2013; GEA, 2012).
En el departamento del Cauca, se resumen estas condiciones en torno a las

actividades agrícolas, especialmente en las cuencas abastecedoras de las
cabeceras municipales, como es el caso de la subcuenca río Las Piedras que
abastece al municipio de Popayán. En Las Piedras, también declarada zona de
interés ambiental, se desarrollan actividades económicas, como la agricultura a
baja escala, la ganadería extensiva y la piscicultura («Acueducto y alcantarillado
de Popayán – S.A.S E.P.S», s. f.); generando posibles focos de contaminación
del agua a lo largo del cauce del río. En este sentido, los análisis que abordan
los procesos de contaminación desde la dinámica de los suelos, cultivos y
cauces, han sido poco abordados en el departamento y en la ciudad, algunos
estudios incluyen el componente netamente hidrológico (Campaz, G., Enríquez,
J., 2012), sin embargo, es importante integrar en el análisis las dinámicas
12
asociadas a los tipos de coberturas, sus efectos sobre la recarga de agua y los
procesos de sedimentación, razón por la cual y en articulación con el proyecto
“Análisis de vulnerabilidad e implementación de alertas tempranas para sistemas
de abastecimiento de agua en el departamento del Cauca”, en este estudio se
formula la siguiente pregunta de investigación: ¿Cuál es el efecto de la
contaminación difusa por actividades agrícolas en la subcuenca del río Las
Piedras?
1.2 JUSTIFICACIÓN
Por la importancia de la subcuenca del río Las Piedras como fuente

abastecedora del municipio de Popayán y la necesidad de contar con
información útil para la gestión sostenible del agua destinada al consumo
humano, es importante estimar la contaminación difusa en dicha subcuenca,
para abordar la influencia sobre la calidad del agua de uno de los componentes
socio-económicos más importantes en las cuencas andinas, la producción
agrícola, en este sentido se identifican diferentes escenarios relacionados con la
extensión de las prácticas agrícolas de las áreas productivas, permitiendo
focalizar procesos de manejo y conservación de recursos hídricos a partir del
conocimiento de los procesos de contaminación difusa.
De igual manera, estos resultados aportan a estudios de carácter ambiental,

desde la perspectiva socio-económica a la sostenibilidad de las cuencas andinas
como ecosistemas de importancia estratégica en la provisión de agua,
restauración de bosques, así como la utilización productiva del territorio,
formulación de estrategias de conservación ambiental y la generación de
insumos cartográficos actualizados.
Este proyecto es un aporte a la articulación interinstitucional desde el alcance de

los proyectos “Análisis de vulnerabilidad e implementación de alertas tempranas
para sistemas de abastecimiento de agua en el departamento del Cauca”
AQUARISC, en el componente de formación de doctorado e investigación,
financiado por el fondo de Sistema General de Regalías SGR para los proyectos
de CTI del núcleo ambiental del departamento del Cauca, “Red Interinstitucional
de cambio climático y seguridad alimentaria” RICCLISA y las actividades de
investigación que adelanta la Fundación río Las Piedras. De igual manera
fortalece el trabajo investigativo y de cooperación académico de los grupos de
investigación: Grupo de Óptica y Láser GOL y el Grupo de Estudios Ambientales
GEA, de la universidad del Cauca.
13
1.3 OBJETIVOS
OBJETIVO GENERAL
Estimar la contaminación difusa por actividades agrícolas en la subcuenca del

río Las Piedras, mediante modelación espacio-temporal.
OBJETIVOS ESPECÍFICOS
• Priorizar las fuentes de contaminación no puntual asociadas a las

prácticas agrícolas en áreas aledañas al cauce principal de la subcuenca
río Las Piedras, a partir de análisis espacial.
• Calibrar el modelo hidrológico SWAT teniendo en cuenta las actividades

agrícolas, para evaluar la contaminación difusa en la subcuenca del río
Las Piedras.
• Analizar las tendencias en los procesos de contaminación difusa por

actividades agrícolas, teniendo en cuenta diferentes escenarios
climáticos.
14
2 MARCO TEÓRICO
2.1 PERCEPCIÓN REMOTA
La teledetección o percepción remota es una herramienta importante para

obtener información de un objeto sin entrar en contacto directo con él, mediante
sensores instalados en plataformas espaciales o plataformas aéreas. Para que
esta observación sea posible, es necesario que aunque sin contacto material,
exista una interacción entre el sensor y los objetos, la cual es el flujo de radiación
que parte de los objetos y se dirige hacia el sensor (Chuvieco, E., 1995).
El principal objetivo de esta ciencia es analizar las condiciones que presenta el

objeto de estudio al momento de la incidencia de la radiación electromagnética.
La radiación reflejada por el objeto es captada por sensores montados en
diversos tipos de plataformas (Chuvieco, E., 1995). Estos sensores son capaces
de capturar la radiación y almacenarla en diferentes regiones del espectro,
llamadas “bandas” o “canales”, donde cada uno posee una resolución espectral,
espacial, radiométrica y temporal (Horning, N., 2018). En la actualidad hay
diversas plataformas las cuales implementan sensores con algunas
características, entre ellas tenemos los satélites LANDSAT, MODIS, SPOT,
METEOSAT y SENTINEL.
2.2 PLATAFORMA SATELITAL SENTINEL 2A
El satélite Sentinel 2A forma parte de las misiones de la Agencia Espacial

Europea ESA dentro de su programa espacial Copernicus. Se lanzó al espacio
el 23 de julio de 2015 y su gemelo Sentinel 2B en 2016 en la misma orbita, pero
con un desfase de 180° proporcionando alta frecuencia de revista (ESA, s. f.).
Los satélites llevan una cámara multiespectral de alta resolución con 13 bandas
espectrales (Tabla 1) que aportan una nueva perspectiva de la superficie
terrestre y la vegetación, brindando información útil para las prácticas agrícolas
y forestales, y para gestionar la seguridad alimentaria (Van der MeerH, F. D., van
der WerffF, H. M. A., van Ruitenbeek, F. J. A., 2014).
Las imágenes de los satélites pueden ser empleadas para determinar varios
índices vegetales, como el área con clorofila en la hoja y el contenido en agua,
siendo de gran importancia para predecir la producción de las cosechas y
aplicaciones relativas a la vegetación de la Tierra (Qunming, W., Peter M., 2018).
15
Tabla 1. Resolución espectral Sentinel 2A.
Longitud de onda
Banda Resolución Descripción
central
B1 60m 443nm Ultra azul (Costa y aerosol)
B2 10m 490nm Azul
B3 10m 560nm Verde
B4 10m 665nm Rojo
B5 20m 705nm Visible e infrarrojo cercano (VNIR)
B8a 20m 865nm Visible e infrarrojo cercano (VNIR)
B9 60m 940nm Onda corta infrarroja (SWIR)
Fuente: Sentinel 2A – Resolución espacial
En la actualidad, gracias a la disponibilidad de imágenes satelitales y el

desarrollo de nuevas y diferentes tecnologías son cada vez más los interesados
en incorporar el uso de imágenes en proyectos que necesitan información y
donde la sensibilidad de los sensores pueden aportar información que no es
visible para el ojo humano, o de regiones no visibles del espectro
electromagnético, resultando ventajoso para un gran número de aplicaciones
dentro de la agricultura, el medio ambiente, actualización de bases de datos
cartográficas, manejo de riesgos de origen natural, prospección geológica,
minera y recursos naturales, entre otros.
En este sentido, la teledetección se usa para el análisis de la calidad del agua

en cuencas hidrográficas y uno de los enfoques de este análisis es el de
contaminación difusa. El estudio de los procesos de contaminación hídrica
procedente de fuentes no localizadas, permite comprender el efecto de las
actividades agrícolas, las cuales no tienen un punto fijo o claro de ingreso en los
cauces de los ríos aledaños, y afectan desde diferentes fuentes como áreas
agrícolas. Las fuentes no puntuales son responsables de al menos la mitad de
toda la contaminación del agua y son los contribuyentes más importantes de
materiales; tales como sedimentos, nutrientes, bacterias patógenas, plaguicidas,
lluvia ácida y bifenilos policlorinados. (Dominguez de Franco, V., 2009).
2.3 CONTAMINACIÓN DIFUSA
La contaminación de las aguas procedente de fuentes no localizadas, conocida

con el nombre de contaminación difusa, es resultado de un amplio grupo de
actividades en las que los contaminantes no tienen un punto claro de ingreso en
16
los cursos de agua que los reciben («Organización de las Naciones Unidas para
la Agricultura (FAO)», 2006), depende de las acciones humanas en sus predios
y cultivos, así como del espacio geográfico de la cuenca que determinan el flujo
de los contaminantes por factores como la escorrentía, topografía (relieve y
pendiente), capacidad de infiltración de los suelos, tipo de suelo, densidad y
cobertura vegetal (Gonzales, S., 2007), la temperatura y precipitación. La
contaminación difusa no es un fenómeno reciente, sin embargo, el interés en
conocer sus efectos sobre la calidad del agua se ha ido incrementando en los
últimos años debido a la relación socio-económica que implica en los procesos
de gestión y manejo de los recursos naturales y los ecosistemas estratégicos
como las cuencas hidrográficas. Hace unos treinta años aproximadamente, se
relacionaban eventos de escorrentía de plaguicidas con la muerte de peces,
comenzando de este modo una serie de estudios de campo y esfuerzos
predictivos dirigidos a una mayor comprensión y prevención de la contaminación
difusa (Aguilar, C., 2004). Más recientemente se ha dedicado mayor atención al
papel desempeñado por el nitrógeno, fósforo, demanda de oxígeno, ciertas
especies de microorganismos y otros materiales en la contaminación difusa. Esta
mayor atención coincide con el éxito obtenido en la reducción de las entradas
puntuales de contaminantes a las aguas receptoras (Aguilar, C., 2004).
La cuantificación de los efectos sobre la calidad del agua es difícil a nivel de

cuenca; sin embargo, es de gran importancia para los responsables de la
elaboración de políticas para el manejo de los recursos de agua y para sus
usuarios (Dominguez de Franco, V., 2009).
Caracterizar y cuantificar las fuentes de contaminación de una cuenca puede

proporcionar información sobre la magnitud e influencia relativa de cada fuente
y su impacto sobre las condiciones de la calidad del agua. Los modelos de
simulación de contaminación difusa sirven para representar la producción y el
transporte de contaminantes desde su lugar de origen en la superficie del suelo
hasta la red hidrológica. Estos modelos se usan generalmente para evaluar el
impacto de las prácticas agrícolas sobre la calidad del agua y lograr identificar
los sectores de contaminación en la cuenca (Novotny, V., 1986).
Actualmente los modelos de simulación son las mejores herramientas en lo que

respecta a la cuantificación de las cargas y concentraciones de contaminantes a
escala de cuenca (Dominguez de Franco, V., 2009). Los modelos de simulación
de fuentes de contaminación no puntual o difusa más reconocidos a nivel
mundial se presentan en el
ANEXO 1.
17
2.4 MODELO HIDROLÓGICO “SOIL AND WATER ASSESSMENT TOOL”
(SWAT)1
La herramienta de evaluación del suelo y agua (SWAT, por sus siglas en inglés
“Soil and Water Assessment Tool”) es un modelo dinámico continúo basado en
descripciones matemáticas de procesos físicos, hidroquímicos y biogeoquímicos
que combina elementos de naturaleza física y conceptual semi-empírica y que
también incluye un esquema de disgregación espacial o unidades de respuesta
hidrológica (HRUs). Este modelo se desarrolló por el Centro de Investigación
Blackland en Texas, por el Dr. Jeff Arnold en el año 1999, para el departamento
de Agricultura de los Estados Unidos (USDA).
Es un modelo avalado por su amplia aplicación a cuencas y fue estructurado

para hacer replicas en hidrología, clima y crecimiento de plantas, realizar una
evaluación del impacto de las actividades agropecuarias y centros urbanos en la
producción del agua y las pérdidas de nutrientes y sedimentos por erosión y el
uso de agroquímicos en las cuencas hidrográficas, incluyendo distintos usos,
prácticas de manejo y gestión con una visión a largo plazo (Bautista, D., 2013).
El objetivo del modelo es predecir el impacto del manejo del agua, sedimentos y
carga de químicos agrícolas en grandes cuencas sin estaciones de monitoreo
(Urrutia Rivas, M. A., 2016), para satisfacer este objetivo el modelo presenta las
siguientes características:
• Se basa en procesos físicos (su calibración no es posible en

microcuencas sin estaciones de monitoreo).
• Es eficiente desde el punto de vista computacional para operar grandes
cuencas en un tiempo razonable.
• Es continuo y capaz de simular largos periodos para evaluar los efectos
de cambio en el manejo del agua, sedimentos y cargas químicas
agrícolas.
El modelo ofrece los siguientes beneficios:
• Se pueden simular las cuencas sin datos de control (escurrimientos

máximos).
• El impacto relativo de los datos de entrada alternativos (variaciones en
prácticas del manejo, clima, vegetación, etc.), u otras variables de interés
pueden ser cuantificados.
• La simulación de cuencas muy grandes o una variedad de estrategias de
manejo, se pueden realizar sin invertir demasiado tiempo o dinero, lo que
hace a este modelo computacionalmente eficiente.
1
SWAT2012 Input/output File Documentation
18
• Permite el estudio de impactos a largo plazo. Generalmente muchos de
los problemas examinados por el usuario incluyen la incorporación
gradual de contaminantes y el impacto en cuerpos de agua rio abajo.
2.4.1 Características del modelo SWAT.
SWAT modela de forma integral la cuenca y su dinámica en función de diferentes

escenarios actuales y futuros, mediante la aplicación de un modelo
determinístico semidistribuido y es útil con fines de planificación debido a que
vincula en los escenarios de análisis diferentes componentes del territorio como
el cambio de uso del suelo, las actividades de reforestación, centros poblados,
obras de captación entre otros.
En general el funcionamiento del SWAT es como se indica en la Figura 1.
Está basado en la ecuación de balance hídrico para determinar los flujos de

entrada, salida y almacenamiento de agua en la cuenca y determinar su
respuesta hídrica. La ecuación básica es:
𝑆𝑊𝑡 = 𝑆𝑊0 + ∑ 𝑅𝑑𝑎𝑦 − 𝑄𝑠𝑢𝑟𝑓 − 𝐸𝑎 − 𝑤𝑠𝑒𝑒𝑝 − 𝑄𝑔𝑤
Donde:
• SW t es el contenido final de agua en el suelo (mm)

• SW0 es el contenido de humedad en un día i(mm)
• t es el tiempo (días)
• Rday es la precipitación diaria del día i(mm)
• Qsurf es el producido de escorrentía superficial del día i(mm)
• Ea es la evaporación del día i(mm)
• wseep es el contenido entrante en la zona vadosa del suelo en el día
i(mm)
• Qgw es el caudal producido o retornado del día i (mm)
19
Figura 1. Funcionamiento general de SWAT. Fuente: http://swat.tamu.edu/
La simulación hidrológica de la cuenca tiene en cuenta la fase terrestre del ciclo

hidrológico (Figura 2), esta fase controla la cantidad de sedimentos, agua, las
cargas de alimento nutritivo y pesticida al canal principal en la subcuenca y la
fase de transporte, la cual define el movimiento del agua, sedimentos, entre otros
a través de la red de canales de la cuenca hacia el vertedero.
20
Figura 2. Representación de ciclo hidrológico SWAT. Fuente: SWAT User’s Manual, 2000.
Los componentes del modelo se agrupan en ocho divisiones: hidrología, clima,

sedimentación, temperatura del suelo, crecimiento de cultivos, nutrientes,
pesticidas y manejo de cultivos.
2.4.1.1 Hidrología: Cuando la precipitación desciende, puede ser

interceptada y puede ser contenida en el dosel de la vegetación o cae a la
superficie del suelo. El agua en la superficie del suelo se infiltra en el perfil de la
tierra o fluirá sobre el terreno como escorrentía. La escorrentía se mueve
relativamente rápido hacia un canal de corriente y contribuye en un corto plazo
en la corriente. El agua infiltrada puede ser contenida en el suelo y
evapotranspirada posteriormente o puede avanzar lentamente al sistema de
agua – superficie, a través de pasos subterráneos. Las conductas potenciales de
movimiento de agua simulada por SWAT en las unidades de respuesta
hidrológica son ilustradas en la Figura 3.
21
Figura 3. Componentes hidrológicos del modelo SWAT. Fuente: SWAT User’s Manual, 2000.
Escurrimiento superficial.
El modelo simula los escurrimientos y los caudales máximos, que se producen

por la lluvia diaria. El volumen de escurrimiento se estima con la técnica
modificada método del número de curva CN, propuestas por el servicio de
conservación del suelo (SCS) (USDA SCS, 1972) o el método de infiltración de
Green & Ampt. En el método CN, la curva varía de forma no linealmente con el
contenido de humedad del suelo. La curva numérica baja si la tierra se acerca al
punto de marchitez permanente y aumenta hasta cerca de 100 al acercarse el
suelo a la saturación.
El método de Green & Ampt requiere los datos subdiarios de precipitación y

calcula la infiltración como una función del frente potencial métrico húmedo
anterior y conductividad hidráulica efectiva. El agua que no se infiltra se convierte
en escorrentía de la superficie.
Percolación.
El componente de percolación del SWAT usa una técnica de almacenamiento

que predice el flujo a través de cada capa de suelo en la zona de raíces. El flujo
hacia abajo ocurre cuando se excede la capacidad de campo (CC) de una capa
de suelo y si la capa inferior no está saturada. La tasa de flujo hacia abajo está
22
gobernada por la conductividad de saturación en la capa del suelo. El flujo hacia
arriba puede ocurrir cuando una capa inferior excede la CC. El movimiento de
agua de una capa inferior hacia una capa superior adyacente se regula por el
coeficiente de agua del suelo a CC de las dos capas. La percolación también es
afectada por la temperatura del suelo.
Flujo lateral subsuperficial.
El flujo lateral subsuperficial en el perfil de suelo (0-2 m) se calcula

simultáneamente con la percolación. Se usa un modelo cinemático de
almacenamiento para poder predecir el flujo lateral en cada capa de suelo. El
modelo considera la variación en la conductividad, la pendiente y el contenido en
el suelo.
Flujo de agua subterráneo.
La contribución del flujo subterráneo al flujo total se simula creando un acuífero

de almacenamiento poco profundo, la percolación a partir de la parte baja de la
zona de raíces es una recarga para ese acuífero delgado. Un constante de
recesión derivada a partir de datos diarios de flujo se usa para retornar el flujo
del acuífero a la corriente de agua. Otros componentes incluyen evaporación,
bombeo y filtraciones hacia la profundidad del acuífero.
Evapotranspiración.
El modelo ofrece tres opciones para su estimación: Hargreaves, Pristley Taylor,

and Penman – Monteinth. El método de Penman requiere de la radiación solar,
temperatura del aire, humedad relativa, velocidad del viento. Si los valores
diarios de las variables anteriormente mencionadas no están disponibles pueden
ser generados a partir de valores mensuales. Los métodos de Hargreaves y de
Pristley Taylor dan resultados realistas en la mayoría de los casos. Los métodos
calculan la evapotranspiración de suelos y de las plantas separadamente. La
evapotranspiración potencial del agua en el suelo se estima en función de la
evapotranspiración y el índice de área foliar (el área de las hojas de una planta
en relación al área del suelo m2/m2). La evapotranspiración del suelo real se
estima usando ecuaciones exponenciales de la profundidad del suelo. La
evapotranspiración del agua en la planta se simula como una función lineal de la
evapotranspiración potencial y el índice de área foliar.
Clima.
Las variables climáticas empleadas en el modelo SWAT son: precipitación,

temperatura del aire, radiación solar, velocidad del viento y humedad relativa. Si
23
la precipitación diaria y las temperaturas máximas y mínimas no están
disponibles, el generador climático puede simular las temperaturas y la lluvia
diarias. La radiación solar, velocidad del viento y humedad relativa son siempre
simuladas. Un conjunto de variables climáticas puede ser simuladas para toda la
cuenca o diferente clima puede ser también simulado para cada subcuenca.
Precipitación.
El modelo de precipitación SWAT desarrollado por Nicks (1974) es un modelo

de cadena de primer orden, por lo tanto, las entradas al modelo deben incluir las
probabilidades mensuales de recibir precipitación si el día anterior fue seco o
húmedo. Dada la relación húmedo – seco, el modelo determina
estocásticamente si ocurre o no precipitación. Cuando un evento de precipitación
ocurre, la lámina se calcula a partir de la generación de una distribución de la
precipitación diaria. La cantidad de la precipitación diaria se reparte entre la lluvia
y la nieve usando la temperatura diaria promedio del aire.
Temperatura del aire y radiación solar.
La temperatura de aire máxima y mínima, así como la radiación solar se genera

a partir de una distribución normal corregida por las probabilidades húmedo –
seco. El factor de corrección se usa para dar mayor desviación a la temperatura
y radiación cuando el clima cambia y para días lluviosos. De esta manera las
desviaciones son menores en días secos. Los factores de corrección se calculan
para asegurar que las deviaciones estándar a lo largo de variables diarias se
mantengan.
Velocidad del viento y humedad relativa.
La velocidad del viento diaria se simula usando una ecuación especial, ya que la
velocidad mensual media del viento es un factor de entrada. El modelo de
humedad relativa simula promedios diarios a partir de promedios mensuales
utilizando una distribución triangular, igual que con la temperatura, la radiación y
la humedad relativa media diaria se ajusta para tomar en cuenta los efectos de
días húmedos y secos.
24
2.4.1.2 Sedimentación: La sedimentación es el proceso natural por el que
las partículas pesadas del agua se encuentran en suspensión y son
transportadas por distintos agentes cómo escorrentía, viento o glaciares. Puede
ser benéfico, cuando se refiere al tratamiento del agua, o perjudicial, cuando se
piensa en la reducción de la capacidad de un canal de drenaje (Perez, L.E.,
2005).
Producción de sedimentos.
La producción de sedimentos se estima para cada subcuenca con la ecuación

universal de perdida de suelo modificada. El modelo hidrológico provee la
estimación del volumen de escurrimiento y la tasa de escurrimiento pico. El factor
de manejo de los cultivos se evalúa como la biomasa aérea, el residuo de
cosecha en la superficie y el valor mínimo del factor C para el cultivo.
Temperatura del suelo.
Los promedios diarios de la temperatura del suelo se simulan para el centro de

cada capa de suelo para usarse en la hidrología y la degradación del residuo. La
temperatura de la superficie del suelo se estima usando la temperatura diaria del
aire máximo y mínimo y la cantidad de nieve, planta y cobertura de residuos para
el día de interés más los cuatro días inmediatos anteriores. La temperatura del
suelo se simula para cada capa usando una función de profundidad, temperatura
superficial y temperatura media anual del aire, donde la profundidad depende de
la densidad aparente del suelo.
Nutrientes.
SWAT rastrea el movimiento y transformación de las diversas formas de

nitrógeno y fosforo en las cuencas. En el suelo la transformación de nitrógeno de
una forma u otra es regida por ciclo del nitrógeno. La transformación del fosforo
en el suelo es controlada por el ciclo del fosforo. Los nutrientes pueden ser
introducidos a los canales principales y transportados rio abajo por escorrentía y
flujo superficial o subterráneo lateral.
Nitrógeno.
El uso de nitrógeno por las plantas se estima utilizando el enfoque de oferta y

demandas requerido en el crecimiento de plantas. Adicionalmente al uso de las
plantas, el nitrato y el nitrógeno (N) orgánico pueden ser removidos de la tierra a
través del flujo masivo del agua. Las cantidades de NO 3 –N contenidos en las
escorrentías, flujo lateral y filtración son estimadas como productos del volumen
de agua y la concentración de nitrato en la capa. El transporte del N orgánico
25
con sedimento, es calculado, con una función de la carga desarrollada por
McElroy, M.B., Kong, Y.L., Nier, A.O., 1977 y modificado por William y Hann
(1978) para la aplicación a acontecimientos individuales de escorrentías. La
función de la carga estima la perdida diaria de escorrentía del nitrógeno orgánico
basada en la concentración de N orgánico en la primera capa de suelo, en la
producción de sedimento y en la producción de enriquecimiento. La proporción
del enriquecimiento es la concentración del nitrógeno orgánico en el sedimento
dividido por el suelo.
Fósforo.
El uso del fósforo (P) por las plantas se estima utilizando el enfoque de oferta y
demanda requerido en el crecimiento de plantas. Adicionalmente el uso por las
plantas del fosforo soluble y orgánico pueden ser removidos de la misma tierra
a través del flujo masivo de agua. El fosforo no es un nutriente móvil y la
interacción entre escorrentía de superficie con solución P en los primeros 10 mm
de suelos no serán completos. La cantidad de P soluble removido en las
escorrentías se predice utilizando la concentración de solución oxígeno en los
primeros 10 mm de suelo, el volumen de escorrentía más un factor de división.
Pesticidas.
SWAT simula el movimiento de pesticidas en la red de corrientes a través de la

escorrentía superficial (en solución y absorción al sedimento transportado por las
escorrentías), hacia el perfil del suelo y acuíferos por filtración (en la solución).
Las ecuaciones usadas para modelar el movimiento del pesticida en la fase de
suelo del ciclo hidrológico fueron adaptadas de GLEAMS (Leonard, R.A., Knisel,
W.G., Still, D.A., 1987). El movimiento del pesticida es controlado por su
solubilidad, degradación de media – vida y coeficiente de absorción de carbón
orgánico en el suelo. El pesticida en el follaje de la planta y en el suelo se degrada
de manera exponencial según la media – vida apropiada. El transporte del
pesticida por el agua y sedimento se calcula para cada acontecimiento de
escorrentía y se estima para cada capa de suelo cuando ocurre filtración.
26
Figura 4. Transporte de pesticidas en SWAT. Fuente: SWAT User’s Manual, 2010.
2.4.2 Análisis a nivel de las unidades de respuesta hidrológica (HRU).
Las unidades de respuesta hidrológica (HRU, por sus siglas en inglés) son las
áreas específicas dentro de la cuenca que identifica el modelo a partir de las
posibles combinaciones entre los atributos del tipo de suelo, uso del suelo,
pendientes y procesos de gestión (Hernandez, D., 2015). Son importantes
porque permiten identificar las áreas críticas susceptibles de procesos de
contaminación por exceso de nutrientes provenientes de los cultivos en suelos
aledaños al cauce.
Dependiendo del objetivo de estudio se pueden crear HRU de diferentes tipos:

características topográficas, caudal, erosión, coberturas, recarga y
almacenamiento.
En la identificación de las HRU son importantes algunos factores incidentes en
la producción de sedimentos como el grupo hidrológico, debido a que determinan
la velocidad de infiltración, permeabilidad y escorrentía (especialmente crítica en
el tipo D).
Tabla 2. Grupos hidrológicos del suelo.
Grupo Velocidad de
Textura Permeabilidad Escorrentía
hidrológico infiltración
Arenosa
A 7.62-11.43 Alta Mínima
areno-limosa
Franca-arenosa, franca,
B 3.81-7.62 Moderada Moderada
franco-arcillo-arenosa
Franco-arcillosa, franco-
C 1.27-3.81 Mínima Moderada
arcillo-limosa
D Arcillosa 0-1.27 Mínima Alta
Fuente: US soil conservation.
27
2.5 ZONA DE ESTUDIO
La subcuenca del río Las Piedras está ubicada en los municipios de Popayán y
Totoró. Se encuentra a 76°31’10’’ al oeste de Greenwich y 2°21’45’’ de latitud
Norte. Limita al norte con la divisoria de aguas de la cuenca del río Palacé, al sur
con el río Vinagre, al este con los cerros de Puzná y Cargachiquillo, al oeste con
el río Cauca (Acueducto y alcantarillado de Popayán S.A, 2018).
Hace parte de la macrocuenca del río Cauca, zona alta, en el departamento del
Cauca. Su extensión es de aproximadamente 6.626Ha, la temperatura varía de
10.4 ºC en el área superior a 18.4 ºC en el área inferior. Las zonas climáticas son
típicamente frías y templadas (1980 a 3820 msnm) (Ruiz, D. M., Martínez, J. P.,
Otero, J. D., Figueroa, A., 2017). La cuenca comprende dos corregimientos:
Quintana y Las Piedras; existen comunidades campesinas e indígenas
pertenecientes a los cabildos de Quintana y Puracé.
Figura 5. Cuenca hidrográfica Río Las Piedras. Fuente: Propia.
28
3 PROCEDIMIENTO EXPERIMENTAL
En respuesta a los objetivos específicos planteados, la metodología propuesta

comprende:
1. Organización de base de datos climatológica, unidades cartográficas

(fisiografía) y coberturas vegetales.
2. Aplicación del modelo hidrológico SWAT.
3. Simulación de escenarios.
4. Análisis de resultados obtenidos.
Figura 6. Esquema de trabajo. Fuente: Propia.
A continuación, se presenta en detalle la recopilación de la información

secundaria, y adecuación de la información disponible y que es necesaria para
aplicar el modelo.
3.1 ORGANIZACIÓN DE BASE DE DATOS
La organización de la base de datos consta de la adquisición y organización de

la información necesaria que corresponda a las entradas del modelo hidrológico
SWAT, y la adecuación de esta información según los intereses y alcances del
presente estudio. La aplicación del modelo requiere principalmente:
29
Tabla 3. Insumos requeridos para modelo hidrológico SWAT.
DATOS DE ENTRADA FORMATO
DEM Raster .tif2
Mapa edafológico (Fisiografía) Raster .tif
Uso de suelo (Coberturas) Raster .tif
Características fisicoquímicas de suelo .dbf3
Estaciones de monitoreo (pluviométrica, limnimétrica) Coordenadas .dbf
Precipitación diaria .txt4
Temperatura diaria (mínima - máxima) .txt
Velocidad del viento* .dbf
Humedad relativa* .dbf
Caudal .dbf
Prácticas agrícolas .dbf
Calidad del agua .dbf
*Pueden completarse en SWAT
Fuente: Propia.
3.1.1 Modelo digital de elevación – DEM.
Para la topografía se utilizó un modelo digital de elevación – DEM con precisión

de 12.5 m (Tamaño de celda 12.5×12.5) en formato tif, como se observa en la
Figura 7, el cual se obtuvo de la página web Alaska Satellite Facility5 (NASA,
s. f.). A partir de este insumo, se obtuvo la delineación de la cuenca, las
microcuencas y la red de drenaje.
2 Tif: Formato de archivo informático para almacenar imágenes de mapas de bits.

3 Dbf: Formato de archivo de datos utilizado en el sistema de gestión de base de datos, esta
extensión se puede abrir con Microsoft Access Database.
4 Txt: Archivo informático que contiene texto formado solo por caracteres que son legibles por
humanos.
5 Alaska Satellite Facility: https://vertex.daac.asf.alaska.edu/#
30
Figura 7. Modelo de elevación digital DEM. Fuente: Propia.
3.1.2 Mapa de tipo de suelos.
El mapa de tipo de suelos contiene información de las propiedades físicas y

químicas de la subcuenca del río Las Piedras, con escala de 1:25.000 en formato
shape (shp) (Figura 8); el cual se obtuvo de la información del estudio de suelos
del Plan de Ordenación y Manejo de la Subcuenca Hidrográfica del río las
Piedras (POMCH, 2006)6.
La tabla de información necesaria para el modelo SWAT, debe contener los

siguientes campos: identificador de perfil, consociación, unidad cartográfica,
pendiente, profundidad de los horizontes (mm), textura, densidad aparente, agua
aprovechable en el suelo, conductividad hidráulica, porcentaje de arena, arcilla,
limo y materia orgánica (%), y K. En el ANEXO 2 se describen los 22 perfiles con
las características para cada uno.
6Corporación Autónoma del Cauca. (2006). Plan de Ordenación y Manejo de la Subcuenca

Hidrográfica Río Las Piedras. Popayán.
31
Figura 8. Mapa de tipo de suelos de la Subcuenca del Río Las Piedras. Fuente: POMCH 2006
y este estudio.
3.1.3 Mapa de uso de suelos.
El mapa de uso de suelos tiene información de datos biológicos sobre el tipo de

coberturas presentes en la subcuenca del Río Las Piedras; las imágenes,
obtenidas de la plataforma satelital Sentinel 2A tienen una precisión de 10 m
(Tamaño de celda 10×10), en formato tif (Figura 9).
La elaboración del mapa de uso de suelos comprendió lo siguiente:
3.1.3.1 Obtención de imágenes satelitales.
Los productos del satélite Sentinel – 2A, se pueden descargar desde la página
web Copernicus Open Acces Hub7 (SERCP, s. f.), dando la posibilidad de
escoger las fechas de interés, la misión, el tipo de producto, y el porcentaje de
nubes para la zona de interés (%). La interfaz de la página se muestra en la
Figura 10.
7
Copernicus Open Access Hub: https://scihub.copernicus.eu/dhus/#/home
32
Figura 9. Mapa de uso de suelos de la Subcuenca del Río Las Piedras. Fuente: Propia
Figura 10. Interfaz de descarga misión Copernicus. Fuente:

https://scihub.copernicus.eu/dhus/#/home
Para este proyecto, se escogieron imágenes con un periodo de tiempo desde el

01 de enero de 2016 hasta el 31 de diciembre de 2017, seleccionando la del 04
de abril de 2017, por el bajo porcentaje de nubes presentes en la zona de estudio.
33
Las etapas necesarias para obtener el mapa de uso de suelos se muestran en
la Figura 11 y se explican a continuación:
Figura 11. Esquema Fuente: Propia.
3.1.3.2 Acondicionamiento de las imágenes satelitales.
Para las 13 bandas, se aplicó la reproyección a 10 m para las bandas con

proyección de 20 m y 60 m, y la corrección de tipo radiométrico, geométrico,
atmosférico; con el fin de atenuar posible ruido proveniente del fallo en los
sensores, distorsiones e interferencia de elementos en la atmósfera.
3.1.3.3 Clasificación de coberturas8.
Para obtener la clasificación final de las coberturas de la zona, se tuvo en cuenta:
1. Muestreo de polígonos como base de datos para ingresar al algoritmo de

aprendizaje máquina.
2. Entrenamiento del modelo en WEKA.
3. Clasificación y extracción de dataset para la clasificación final.
4. Validación con expertos y líderes comunitarios de la subcuenca de

estudio.
8
Red Interinstitucional de cambio climático y seguridad alimentaria. WP4 – RICCLISA.
34
En el proyecto, se tuvieron en cuenta 14 tipos de coberturas de niveles 1, 2, y 3
de acuerdo con la metodología Corine Land Cover9 (Tabla 4), por lo que fue
necesario tener polígonos de muestra para todas las coberturas y garantizar una
buena clasificación.
Tabla 4. Clasificación de coberturas Subcuenca Río Las Piedras.

CÓDIGO COBERTURA
1 Nubes
2 Sombras
3 Cuerpos de agua
4 Herbazal denso de tierra firme
5 Zonas urbanas
6 Bosque sembrado
7 Pastos limpios
8 Pastos naturales
9 Cultivos
10 Bosque denso
11 Bosque abierto y fragmentado
12 Bosque ripario
13 Zona de extracción minera
14 Arbustales
Fuente: Propia
Los polígonos se pueden diferenciar por la combinación de color y como ejemplo

de esta visualización se muestra en la Figura 12 a la derecha, uno para pastos
naturales, y a la izquierda para pastos limpios; se tomaron aproximadamente
6247 puntos de muestreo para todas las coberturas, en la combinación de
bandas 8-11-2 (Healthy vegetation).
Se realizó el entrenamiento del modelo para esta clasificación utilizando WEKA10

(Waikato Environment for Knowledge Analysis, en español “Entorno para análisis
del conocimiento de la Universidad de Waikato”), la cual es una plataforma de
software para el aprendizaje automático y la minería de datos, desarrollado en
Java por la Universidad de Waikato.
9 “LEYENDA NACIONAL DE COBERTURAS DE TIERRA”. Metodología CORINE Land Cover

adaptada para Colombia. Escala 1:100.000.
10 Weka 3: Data Mining Software in Java. https://www.cs.waikato.ac.nz/ml/weka/index.html
35
Figura 12. Polígonos de pastos naturales y pastos limpios. Fuente: Propia.
Los mejores resultados se obtuvieron realizando una distribución del 70% de la

muestra para aprender y el 30 % restante para validar; con el algoritmo Random
Forest implementado en WEKA; y se obtuvo un Kappa statistic de 0.9637 lo cual
significa que los resultados fueron “muy buenos”, según Landis, J. Richard, Koch,
1977, resultando aproximadamente 5162 instancias de la zona correctamente
clasificadas.
Mediante la extracción de los resultados obtenidos en WEKA, y teniendo en

cuenta la información de las bandas espectrales del producto Sentinel 2A, de los
índices de vegetación cómo ARVI, CRI1, EVI, NDVI, NDWI, SAVI, SIPI, SR, TVI,
y del mapa de elevación digital DEM se ejecutó el algoritmo desarrollado por WP
-4 Ricclisa (Pencue, E. L., Solano, Y. T., Corrales, J. C., Figueroa, 2016) para
realizar la clasificación y reconstrucción de la imagen y obtener el resultado final
de la clasificación de coberturas como se mostró en la Figura 9.
3.1.4 Base de datos climatológicos.
La base de datos utilizada se generó a partir de la información disponible en el

AAPSA S.A – E.P.S, división ambiental, en convenio con el proyecto AQUARISC,
y correspondió a datos diarios de precipitación en las estaciones climatológicas
Arrayanales y El Diviso; con un periodo de tiempo, del 01 de enero de 1999 hasta
el 31 de diciembre de 2017.
36
Tabla 5. Estaciones en la Subcuenca del Río Las Piedras.
ESTACIÓN LATITUD LONGITUD ELEVACIÓN
Arrayanales 2.461 -76.4422 2585
Diviso 2.4463 -76.4655 2356
Fuente: AAPSA, 2018.
Los datos climatológicos estadísticos requeridos por el modelo SWAT, en este

caso para las estaciones mencionadas, son promedios multianuales de
temperatura máxima y mínima y precipitación, desviación estándar para cada
mes, coeficiente de sesgo para precipitación diaria, números de días de
precipitación y probabilidades de un día húmedo después de un día seco y de
un día húmedo después de uno húmedo, los cuales fueron calculados por las
fórmulas sugeridas en el manual de SWAT11. En las tablas se muestran los
parámetros para las estaciones Arrayanales y El Diviso (ANEXO 3.).
3.2 APLICACIÓN DEL MODELO HIDROLÓGICO SWAT
El modelo hidrológico SWAT se simuló, calibró y validó para la subcuenca del

Río Las Piedras, con el fin de obtener resultados con los que se pueda estimar
la contaminación difusa en la zona, bajo las condiciones actuales (Escenario 1 -
E1) y en posibles escenarios críticos de contaminación difusa: por incremento de
la producción agrícola y escenarios críticos de calidad del agua (por aportes de
sedimentos e incremento en turbidez, que limitan la disponibilidad de agua para
consumo humano) (Escenario 2 - E2), y un escenario por incremento de
precipitación (Escenario 3 - E3).
Es necesario que la cartografía requerida por el modelo hidrológico SWAT esté

en la misma proyección. La aplicación del modelo requirió los siguientes pasos:
3.2.1 Delineación de la subcuenca y microcuencas.
A partir del mapa de elevación digital DEM, en proyección WGS 84 / UTM zone
18N y precisión de 12.5 m, se obtuvieron las curvas de nivel, la dirección de flujo
y acumulación de las corrientes de agua, las pendientes, y la red hídrica (Figura
13). Con esta información, de forma automatizada se generó y delineó el
contorno de la subcuenca, con un área de 6.606,27 Ha.
11 Input/Output Documentation. Versión 2012

37
A partir del modelo de elevación digital - DEM, la máscara del área de estudio, y
la red hídrica se calculó la dirección del flujo y acumulación de las corrientes de
agua dentro de las microcuencas y se definieron algunas características cómo
pendientes y elevaciones máximas, mínimas.
Figura 13. Red hídrica Subcuenca del río Las Piedras. Fuente: Propia.
Para generar las microcuencas se tuvo en cuenta el DEM y la red hídrica, se

seleccionaron manualmente outlets para drenajes principales del río Las
Piedras, definiéndose 18 microcuencas cómo se observa en la Figura 18. Estas
microcuencas fueron igualmente validadas con actores claves de la subcuenca.
38
Figura 14. Subcuenca del Río Las Piedras. Fuente: Propia.
Tabla 6. Microcuencas definidas para la Subcuenca del Río Las Piedras.

ELEVACIÓN
MICROCUENCA NOMBRE ÁREA (Ha)
MÁXIMA (m) MÍNIMA (m)
1 Piedras 943.58 1902 2667
2 Santa Teresa 839.88 2084 2966
3 Pavas 529.33 2821 3799
4 Santa Teresa II 29.13 2821 3174
5 Arrayanales 592.68 2340 3325
6 Robles 815.90 1902 2582
7 La Chorrera 115.12 2386 2989
8 El Limonal 274.46 2107 2520
9 Palmichal 121.53 2386 2804
10 Pichagua 186.53 2268 3143
11 Carnicerías 214.25 2128 2745
12 El Vaho 405.37 2194 3178
13 Aguas Claras 310.34 2466 3201
14 La Cabaña 92.20 2836 3623
15 Piedra Negra 116.26 2835 3796
16 San Pedro 288.12 2466 3093
17 El Cedro 182.31 2565 3185
39
18 Peñas Blancas 549.28 2617 3798
Fuente: Propia.
3.2.2 Creación y definición de las unidades de respuesta hidrológica –

HRU.
Para generar las unidades de respuesta hidrológica – HRU, se tuvo en cuenta el

mapa de tipo de suelos, el mapa de uso de suelos y las pendientes. Para el tipo
de suelos se utilizaron 22 unidades (Tabla 7), para uso de suelos 12 coberturas
diferentes mostradas en la Tabla 8 y cuatro rangos para pendientes (Tabla 9.)
Tabla 7. Unidades de suelo.

ID UNIDAD Tabla 8. Codificación de coberturas para
1 LRMLb SWAT.
2 LRMLf CÓDIGO
COBERTURA
3 LRMLg SWAT
4 LAVTb Cuerpos de agua WATR
5 LCCPc Herbazal denso de tierra
WETN
6 LRMLd firme
7 LRMLc Zonas urbanas URML
8 LDLCf Bosque sembrado FRSE
9 LDLCb Pastos limpios SPAS
10 LVMLd Pastos naturales PAST
11 LDLCd Cultivos AGRL
12 LDLCc Bosque denso FRSD
13 HPMAc Bosque abierto y
FRST
14 HPMAd fragmentado
15 LCCPd Bosque ripario WETF
16 LCCPb Zona de extracción
SWRN
17 LVMLf minera
18 LVMLc Arbustales RNGE
Fuente: Appendix A: Model databases. Swat
19 LAVTc
model
20 LCCPf
21 LEDFd
22 LEDFc Tabla 9. Rango de pendientes para SWAT.
Fuente: Propia RANGO PENDIENTE DESCRIPCIÓN
Ligeramente
1 0–3%
plano
2 3 – 25 % Plano
3 25 – 75 % Inclinado
4 ≥ 75% Escarpado
Fuente: Propia.
40
Figura 15. Unidades de respuesta hidrológica iniciales. Fuente: Propia.
A partir del cruce de las capas mencionadas, se generaron 1687 unidades de

respuesta hidrológica (Figura 15.), de las cuales se escogió un porcentaje
mínimo para usos, suelos y pendientes eliminando las HRU con porcentaje de
área menor que el nivel mínimo seleccionado, después del proceso de
eliminación el área restante de uso, suelo y pendiente es repartida para cubrir el
100% de la cuenca modelada.
Utilizando el 1 % (3.34 Ha) para usos de suelo y cobertura, 6 % (16.68 Ha) cómo
valor mínimo para tipo de suelos y 10 % (19.8 Ha) para rango de pendiente, se
generaron 607 HRU distribuidas en las 18 microcuencas (Figura 16).
La información generada fue la base para la simulación hidrológica de la

situación actual de la Subcuenca del Río Las Piedras (E1) y de los escenarios
bajo diferentes condiciones (E1 y E2).
41
Figura 16. Unidades de respuesta hidrológicas. Fuente: Propia.
3.2.3 Generador climático y tablas de datos meteorológicos.
Para este proceso, se introduce la información de la ubicación de las estaciones

climáticas, de los datos estadísticos (Tabla 19) y de los datos diarios de
precipitación (mm) de las dos estaciones: Arrayanales y El Diviso. Lo valores de
entrada de radiación solar, humedad relativa, velocidad del viento, fueron
simulados y completados por SWAT. Con esta información se constituyeron las
bases de datos iniciales para los cálculos del generador climático que le permite
al modelo hidrológico simular el comportamiento climático en cada microcuenca.
3.2.4 Simulación.
Se ejecutó el modelo, en el periodo específico del 01 de enero de 1999 al 30 de

diciembre de 2017, con el método de distribución de lluvia lineal, sin tener en
cuenta ciclos de periodos de años de calentamiento y con periodicidad mensual.
Este modelo permite analizar diferentes variables hidrológicas de la subcuenca

como precipitación, producción de agua al caudal, agua disponible en el suelo,
evapotranspiración potencial y real, flujo lateral, percolación, escorrentía, entre
42
otros. Y para análisis de contaminación en el agua, permite analizar variables
cómo sedimentos, nitrógeno orgánico, fosforo orgánico, nitratos, fósforo soluble;
es decir, los valores de estas variables son el resultado de la interacción agua-
suelo-clima-uso-pendiente en la subcuenca para un periodo simulado.
3.2.5 Calibración y validación.
La calibración del modelo hidrológico SWAT para la subcuenca del Río Las
Piedras se realizó con ayuda del software SWAT – CUP (SWAT Calibration and
Uncertainty Procedures), el cual es un programa diseñado para integrar varios
algoritmos de análisis de calibración/incertidumbre, como SUFI2 (Sequential
Uncertainty Fitting), GLUE (Generalized Likelihood Uncertainty Estimation),
ParaSol (Parameter Solution), PSO (Particle Swarm Optimization).
Se utilizó SUFI2, el cual funciona a “prueba y error” cambiando aleatoriamente

los valores de parámetros de interés, como Cn2 (Initial SCS CN II value),
Alpha_Bf (Base flow alpha factor), Gw_Delay (Groundwater delay), GWQMN
(Threshold water depth in the shallow aquifer for flow) slope (Average slope
steepness), Sol_K (Saturated hydraulic conductivity), entre otros, hasta obtener
una coincidencia razonable entre la simulación y los valores observados.
En este caso, el modelo se calibró utilizando datos de caudal en la microcuenca

Piedras, debido a que en ella es donde se encuentra el cauce principal del río
Piedras y de dónde se tenían valores mensuales de caudal con un periodo de
diez años comprendidos entre 1999-2009; para la validación se utilizaron los
años 2015-2016. Se realizaron cuatro iteraciones, de 200 simulaciones cada
una, cambiando los parámetros mencionados anteriormente, para la calibración;
y una iteración de 200 simulaciones, para la validación.
43
4 RESULTADOS Y ANÁLISIS
De acuerdo a los objetivos planteados y el desarrollo del proyecto, se presentan

los siguientes resultados:
A partir de las imágenes satelitales obtenidas y el procesamiento de las mismas,

se obtuvo la actualización de las coberturas presentes en la Subcuenca del río
Las Piedras a abril de 2017 y por la resolución del satélite Sentinel 2A (10 m) se
logró ampliar el número de coberturas a 14, para ver la transición entre bosque,
arbustales y pastos naturales Figura 9.
Con el mapa de uso de suelos y la red hídrica se hizo un buffer del cordón ripario
de aproximadamente 70 m de ancho, a lo largo del cauce principal del río Las
Piedras y algunos tributarios principales, con el fin de observar las zonas de
cultivo y pastos limpios presentes como se observa en la Figura 17.
Figura 17. Zonas priorizadas de cultivo y pastos limpios de la zona riparia en la Subcuenca Las
Piedras. Fuente: Propia.
44
En la anterior figura, se muestran las zonas priorizadas de cultivos dentro de un
círculo, encontrándose principalmente en las microcuencas Santa Teresa,
Arrayanales y El Limonal; lugares de dónde se tiene conocimiento hay presencia
de cultivos de papa, frijol y maíz (CRC 2016). Debido a esta práctica se presenta
el uso de diferentes fertilizantes y pesticidas, de origen químico y orgánico, los
cuales se relacionan con procesos de contaminación por fuentes no puntuales
en la zona. La principal actividad productiva en la subcuenca es la ganadería,
seguido de la agricultura y la actividad piscícola, en este sentido, los procesos
productivos en conjunto constituyen un limitante para la calidad del agua en la
subcuenca.
4.1 ÁREA DE LA SUBCUENCA Y MICROCUENCAS DEFINIDAS
Para este estudio, se trabajó con un área de 6.606,27 Ha, aproximadamente 20

Ha menos que la reportada por Ruiz et al., 2017 y el Acueducto y Alcantarillado
de Popayán - S.A. E.P.S12, debido a que la precisión del mapa de elevación
digital - DEM utilizado era mayor (de 30 m a 12.5 m), haciendo que los valores
de altura con respecto al nivel medio del mar, que permite caracterizar las formas
del relieve y los elementos presentes en el mismo se observen mejor, y logrando
que la delimitación del contorno de la subcuenca sea más precisa mostrándose
en la Figura 14.
A partir de la delimitación de la subcuenca, se generaron y definieron 18

microcuencas que se muestran en la Figura 18. Estas microcuencas se llaman:
Aguas Claras, Arrayanales, Carnicerías, El Cedro, El Limonal, El Vaho, La
Cabaña, La Chorrera, Palmichal, Las Pavas, Peñas Blancas, Pichagua, Piedra
Negra, Piedras, Robles, San Pedro, Santa Teresa y Santa Teresa II
De acuerdo con los resultados de este estudio y los reportados por Mejia
Recaman, 201713, se confirma que la microcuenca Robles sí está incluida en la
Subcuenca del Río Las Piedras, y microcuencas como:
• Santa Teresa se dividió en: Santa Teresa, Las Pavas y Santa Teresa II.
• Aguas Claras se dividió en: Aguas Claras, La Cabaña y San Pedro.
• Buena Vista se dividió en: El Cedro, Peñas Blancas y Piedra Negra.
12 Acueducto y Alcantarillado de Popayán – S.A. E.P.S

http://www.acueductopopayan.com.co/gestion-ambiental/fundacion-procuenca-rio-las-
piedras/fuentes-de-abastecimiento/cuenca-piedras/
13 Manejo adaptativo del territorio en una cuenca Altoandina desde la diversidad cultural y
ecosistémica. Pág. 74.

45
Figura 18. Microcuencas de la subcuenca Río Las Piedras. Fuente: Propia.
4.2 ANÁLISIS DE LAS UNIDADES DE RESPUESTA HIDROLÓGICA (HRU)
El modelo hidrológico SWAT genera 4 archivos de salida14 por cada simulación,

tomando en cuenta como unidad mínima de análisis la HRU, la cual es el
resultado de las posibles combinaciones entre cobertura, uso del suelo y
pendiente como se observa en la Figura 19 en total el modelo identificó 607 HRU.
Las HRU identificadas permiten analizar las condiciones generales de la

subcuenca al ser agrupadas por su representatividad con respecto al área total
como se observa en la Tabla 10. En este sentido, se puede identificar que la
mayor extensión de HRU corresponde a coberturas antropizadas (pastos
limpios) relacionado con la principal actividad productiva de la zona que es la
ganadería. Por su parte la representatividad de coberturas naturales
reguladoras, como el bosque denso (11,55% área de la subcuenca) es baja y se
encuentra principalmente hacia las zonas altas, donde la producción
agropecuaria es limitada por las condiciones del terreno con fuertes pendientes
y zonas de ladera. Las coberturas de pastos naturales, se convierten en áreas
14 Archivos de salida estándar (.std), resultados por cada URH (.sbs), resultados por subcuenca
(.bsb) y resultados por corriente de agua (.rch).
46
de especial interés ambiental, debido a que son zonas potenciales de uso
ganadero y de ampliación de frontera agrícola.
Figura 19. Representación esquemática de las HRU, subcuenca rio las Piedras.
Fuente: Propia.
Tabla 10. HRU distribuidas por sus componentes dominantes.

PARÁMETRO Área [ha] % Subcuenca
COBERTURAS
Pastos Limpios 2446 37,02
Pastos Naturales 2310 34,97
Bosque abierto y fragmentado 1018 15,41
TIPO DE SUELO (Unidades cartográficas)
LRMLg 1747 26,45
LVMLc 1143 17,31
LDLCd 944 14,28
PENDIENTE (%Inclinación)
25-75 5492 83
03-25 115 17
Fuente: Propia.
Respecto al tipo de suelo y pendiente, las HRU agrupan unidades cartográficas

con características de mediana y baja fertilidad (Figura 20), de acuerdo con la
clasificación de las tierras por su Capacidad de Uso15 (Mosquera, L., M. Polo,
1986)(MOSQUERA, Polo et al. 1986)(MOSQUERA, Polo et al. 1986), las
unidades LVMLc (17%), se agrupa en la subclase IIIe e indican suelos aptos para
la siembra de cultivos de clima frío, sin embargo estas prácticas deben realizarse
bajo parámetros de sistemas productivos sostenibles, debido a que son suelos
altamente susceptibles a procesos erosivos, la unidad LDLCd pertenece a la
15Considera las variables limitantes de erosión, humedad edáfica, zona radicular, clima, vientos
fuertes, pendiente, fertilidad, propiedades químicas.
47
subclase Ve, corresponde a suelos con procesos intensivos de degradación y
pérdida de capa superficial, lo cual es limitante para los sistemas productivos,
por ello requieren reposición de los nutrientes y manejo de coberturas de
restauración. Por su parte los suelos de la unidad LRMLg (16%), presentan
condiciones altamente limitantes para la producción agrícola, siendo necesarias
las técnicas de siembra escalonada y de policultivos de bajo estrato a nivel de
huerta familiar (Subclase VIIr) donde el principal uso de estos suelos es de
conservación mediante cobertura de bosque de porte bajo o de bajo peso que
facilite el amarre de los suelos y disminuya los riesgos de erosión (CRC, 2016).
Figura 20. Distribución de suelos dominantes según HRU priorizadas. Fuente: Propia.
Teniendo en cuenta las anteriores consideraciones, se aplicaron criterios de

priorización que permitieron identificar las HRU relacionadas con la regulación
hídrica por cobertura vegetal y de este modo se priorizaron las coberturas
naturales que se muestran en la Tabla 11 y las pendientes considerando la
susceptibilidad a procesos erosivos 1 (0 – 25), 2 (25-75) y 3 para las zonas
críticas (≤75).
Tabla 11. Priorización de coberturas.

Cobertura Priorización
Bosque denso 1
Bosque Ripario 1
Páramo 1
Bosque abierto y fragmentado 2
Pastos Naturales 2
Arbustales 3
Bosque sembrado 4
Pastos Limpios 4
Cultivos 5
Zona de extracción minera 5
Zonas Urbanas 5
Fuente: Propia.
Con estos criterios, se logró identificar las microcuencas que agrupan HRU de
importancia hídrica, por su función reguladora y aquellas donde es necesario
fortalecer los procesos de uso y manejo sostenible de los suelos Figura 21. De
igual manera, la distribución de HRU se ajustó a 241 unidades, cómo se observa
48
en la Figura 22 donde cada unidad de respuesta hidrológica está representada
por un color diferente.
Figura 21. Distribución de HRU por tipo de cobertura. Fuente: Propia.
Figura 22. Mapa de HRU ajustado a 241 unidades. Fuente: Propia.
Otra distribución para las HRU fue por unidad dominante en cada microcuenca,
cómo se observa en la Tabla 12, cada HRU dominante se extrapola al total del
49
área de la microcuenca. Cada combinación se diferenció con un color teniendo
en cuenta solo el uso de suelo, y por el porcentaje de área total se puede
identificar que la cobertura dominante en las HRU corresponde a pastos limpios
(SPAS), debido a que la ganadería es la principal actividad económica de la
zona, cómo se mencionó anteriormente.
Tabla 12. Unidades de respuesta hidrológica priorizadas por unidad dominante.

MICROCUENCA COMBINACIÓN %AREA AREA [HA]
Piedras PAST/LDLCd/25-75 14,28 943.58
Santa Teresa PAST/LVMLc/3-25 12,71 839.88
Las Pavas FRSD/HPMAc/25-75 8,01 529.33
Santa Teresa II SPAS/LVMLc/25-75 0,44 29.13
Arrayanales FRST/LRMLg/25-75 8,97 592.67
Robles SPAS/LDLCb/25-75 12,35 815.90
La Chorrera FRST/LVMLd/25-75 1,74 115.021
El limonal SPAS/LVMLc/3-25 4,15 274.46
Palmichal PAST/LRMLd/25-75 1,84 121.53
Pichagua FRSD/LRMLg/25-75 2,82 186.53
Carnicerias SPAS/LRMLf/25-75 3,24 214.24
El Vaho PAST/LRMLg/25-75 6,14 405.36
Aguas Claras FRST/LRMLd/25-75 4,7 310.33
La Cabaña SPAS/LRMLg/25-75 1,4 92.19
Piedra Negra SPAS/LRMLg/25-75 4,36 288.12
San Pedro FRSD/LRMLd/25-75 1,76 116.26
El Cedro SPAS/LRMLg/25-75 2,76 182.31
Peñas Blancas SPAS/LRMLf/25-75 8,31 549.28
Fuente: Propia.
4.3 SITUACIÓN ACTUAL DE LA SUBCUENCA
Los resultados de la simulación del modelo hidrológico SWAT para el periodo

1999 – 2017 (Escenario 1), se presentan en variables hidrológicas, el ciclo del
nitrógeno y del fósforo y pérdida de nutrientes en el suelo.
Para las variables hidrológicas, se presentan los resultados de precipitación,

escorrentía, flujo lateral, flujo de retorno, percolación, contenido inicial de agua
en el suelo, evapotranspiración potencial y real, y agua disponible.
Los resultados se presentan en mm y en la Tabla 13 se muestra el acumulado

anual para la Subcuenca desde 1999 hasta 2017, encontrándose los valores más
bajos en las variables para los años 2002 y 2015, resaltados en color azul,
coincidiendo en que estos años fueron de fase de calentamiento o niño del
fenómeno Niño - Oscilación del Sur y los más alto para 1999, 2000, 2007, 2011,
en color amarillo, años con fase de enfriamiento o Niña.
50
Tabla 13. Resultados hidrológicos para la simulación 1999-2017.
Fuente: Propia.
Figura 23. Resultados hidrológicos para la Subcuenca Río Las Piedras. Fuente: Propia.
Cómo para la simulación no se tuvo en cuenta años de calentamiento, se

observa en la Figura 23 que el flujo lateral es mayor que el de agua subterránea,
que el rendimiento de agua puede ser excesivo y que la escorrentía superficial
puede ser demasiado baja.
51
Los resultados para el ciclo del nitrógeno se muestran en la Figura 24, este ciclo
es importante para la producción de biomasa, que a su vez afecta a la
evapotranspiración y al rendimiento de sedimentos. Los cambios en los
contenidos iniciales y finales de nitrógeno pueden indicar una fertilización
insuficiente durante la simulación, debido a que en la subcuenca, el uso de
agroquímicos es bajo, predominando las prácticas de transición hacia los abonos
y plaguicidas de origen orgánico, lo cual es respuesta del largo proceso de
intervención ambiental que ha realizado la Fundación rio Las Piedras en el área
de estudio, sin embargo, esta condición no es común a las fuentes
abastecedoras del departamento ni de la zona andina, razón por la cual en los
escenarios se analizó la respuesta de la subcuenca bajo condiciones limitantes
como el uso intensivo de agroquímicos.
Figura 24. Ciclo del nitrógeno. Fuente: Propia.
Para los tres escenarios se realizó un análisis a nivel de microcuenca y los

resultados se muestran en mapas de visualización diferenciando en colores los
valores altos, medios y bajos como se muestran en la siguiente tabla.
Tabla 14. Visualización mapas.

Color Referencia
Valores altos
Valores medio altos
Valores medios
Valores medio bajos
Valores bajos
Fuente: Propia.
En la situación actual, se calculó el promedio anual (1999-2017) de nitrógeno

orgánico que se presenta en la Figura 25 y nitratos en escorrentía superficial en
la Figura 26, de dónde se identifica que la mayor producción ocurre en El Limonal
52
(8), Santa Teresa (2) y Santa Teresa II (4) y Piedras (1) debido a que son zonas
con alta demanda en cultivos y producción ganadera, que obedece al uso de
agroinsumos. La Chorrera (1), Palmichal (9), Aguas Claras (13) y La Cabaña (14)
son microcuencas con producción de cultivos en menor cantidad por lo que sus
resultados para nitratos en escorrentía superficial no son tan altos; y las
microcuencas en verde tienen baja producción en nitrógeno y nitratos, ya que
son zonas de conservación.
Figura 25. Nitrógeno orgánico por microcuenca. Fuente: Propia.
Figura 26. Nitratos en escorrentía superficial por microcuenca. Fuente: Propia.
Los resultados para el ciclo del fósforo se muestran en la Figura 27, este ciclo es
de particular interés en las cuencas hidrográficas, debido a que proviene tanto
de fuentes orgánicas (ceniza, estiércol) como químicas (comerciales), esto
significa que las concentraciones de fósforo en la escorrentía aumentan durante
el período de simulación, debido a incrementos en el contenido de fósforo
mineral que resultan de la fertilización excesiva con fuentes comerciales y las
53
modificaciones en la estructura del suelo (compactación), originado por el
pisoteo del ganado.
Para el análisis por microcuenca se calculó el promedio anual desde 1999 hasta
2017 de fósforo orgánico, mostrado en la Figura 28 y observándose que, las
microcuencas presentan un comportamiento similar que con el nitrógeno
orgánico; Santa Teresa (2), El Limonal (8) y Piedras (1) son las mayores
productoras de fósforo orgánico, por ser zonas con mayores áreas de cultivo y
producción ganadera.
Aunque hay microcuencas con mayor producción de nitrógeno, fósforo orgánico,

y nitratos en escorrentía superficial, de acuerdo, a las tablas de la Figura 25,
Figura 26 y Figura 28 se observa que son valores relativamente bajos ya que se
muestran en unidades de kilogramo por hectáreas (𝐾𝑔⁄𝐻𝑎), y el área de la
microcuenca más pequeña (Santa Teresa II) es aproximadamente 29.13 Ha.
Figura 27. Ciclo del fósforo. Fuente: Propia.
Figura 28. Fósforo orgánico por microcuenca. Fuente: Propia.
54
En cuanto a la información por pérdida de nutrientes, se presenta en la Figura
29, un resumen de variables importantes para definir la pérdida de nitrógenos y
fósforo en la subcuenca, de la cual se observa que la relación de solubilidad del
nitrógeno en la escorrentía es baja, que las pérdidas totales de nitrógeno son
mayores al 40% del N aplicado y que por las condiciones morfométricas de la
subcuenca, que genera un elevado movimiento descendiente (tiempo de
retención), la pérdida de nitratos es mayor, representando pérdidas económicas
para el agricultor por el desperdicio de nutrimentos que no se absorben por las
raíces y por la disminución del rendimiento productivo; de igual manera, afecta
la salud de los pobladores por la contaminación del cauce principal y los
acuíferos.
En la Figura 30, se observan los resultados en promedio anual por microcuenca,

observándose resultados similares a la Figura 28
Figura 28,
dónde las microcuencas Santa Teresa y El Limonal presentan mayor
capacidad de recoger contaminantes del suelo, provenientes de acciones de
agentes químicos.
De acuerdo a lo planteado anteriormente, se observa un comportamiento similar

en casi las 18 microcuencas, especialmente en Santa Teresa, El Limonal,
Piedras y Robles, que son zonas con presencia de cultivos y pastos limpios y en
dónde se observan los valores más altos para nitratos, sedimentos, nitrógeno y
fósforo orgánico, por el uso constante de fertilizantes y agroquímicos. Aunque
son los más altos de las microcuencas, son bajos respecto al área en que se
muestran por lo que se considera que para estas variables la calidad del agua
es buena.
55
Figura 29. Pérdida de nutrientes. Fuente: Propia.
Figura 30. Rendimiento de sedimentos. Fuente: Propia.
56
4.4 CALIBRACIÓN Y VALIDACIÓN DEL MODELO HIDROLÓGICO SWAT.
De la simulación, se extrajeron los valores mensuales de precipitación, desde

1999 hasta 2017, para las microcuencas dónde se encuentran ubicadas las dos
estaciones climatológicas utilizadas (Arrayanales y El Diviso). Los resultados se
muestran en la siguiente figura y se observa que el modelo realizó una buena
simulación de esta variable, presentándose un R2 cercano a uno.
El modelo hidrológico SWAT para la subcuenca del Río Las Piedras se calibró
con caudal debido a que no se contaba con datos de campo de variables como
sedimentos, nitratos, o fósforo.
Figura 15. Precipitación observada vs. Simulada. Fuente: Propia.
Se utilizó el algoritmo de análisis de calibración/incertidumbre SUFI2,

implementado en SWAT – CUP, y se tuvo en cuenta cuatro parámetros, de
acuerdo a la influencia que tiene cada uno sobre el modelo hidrológico. En la
Tabla 16 se presentan los parámetros de mayor a menor que, en este caso,
tienen influencia en la calibración con caudal y los rangos en que estos oscilaron
para realizar cuatro iteraciones de 200 simulaciones cada una.
Tabla 16. Parámetros con mayor influencia.

PARÁMETRO DESCRIPCIÓN PROCESO RANGO
1 GWQMN Umbral de profundidad del agua Flujo base 550-1000
2 Alpha_Bf Factor de flujo base Flujo base 0-1
3 Gw_Delay Retraso en agua subterránea Flujo base 0-50
4 Cn2 Número de curva de escorrentía Escorrentía 35-98
Fuente: Propia.
Los valores iniciales de los parámetros, simulados por SWAT, se reemplazaron

por los siguientes valores:
• GWQMN: 862.96
57
• Alpha_Bf: 0.5
• Gw_Delay: 26.86
• Cn2: 45.63
Obteniéndose, nuevos resultados mensuales para caudal, desde enero de 1999

hasta diciembre de 2009, en la Figura 31, se observan los valores mensuales
para caudal observado y para la mejor estimación; siendo 1 enero de 1999 y 132
diciembre de 2010; y reportando un coeficiente de determinación R2=0.614, valor
satisfactorio según lo reportado por (Santhi, C., Arnold, J. G., Williams, J.R.,
Dugas, W.A., Srinivasan, R., Hauck, L.M., 2001) (ANEXO 4), este valor obedece
a que la simulación se realizó sin tener en cuenta años de calentamiento y en
este periodo habían cinco (1999, 2000, 2007, 2008, 2011).
Figura 31. Calibración de SWAT con caudal. Fuente: Propia.
La validación se realizó para los años 2015 y 2016 y los valores más alejados se
encuentran en el año 2015 debido a que en este hay fenómeno Niño y durante
la simulación no se tuvo en cuenta estos cambios. Es importante mencionar que
la disponibilidad de datos climáticos con un registro histórico mínimo de 15 años
es clave para mejorar la calibración del modelo, disminuyendo la subestimación
de datos simulados.
4.5 GENERACIÓN DE ESCENARIOS
Se generaron tres escenarios, el primero E1, es el escenario base, que muestra

las condiciones actuales cuyos resultados se muestran en la sección anterior, el
segundo E2, teniendo en cuenta el incremento según prácticas tradicionales con
uso de agroquímicos y el tercero E3, por incremento en precipitación según
criterios de escenarios de la tercera comunicación de cambio climático16. Los
16
Nuevos Escenarios de Cambio Climático para Colombia 2011-2100.
58
resultados de cada simulación se presentan a nivel de microcuencas con
variables hidrológicas, sedimentos, nitrógeno y fósforo.
4.5.1 SEGUNDO ESCENARIO (E2).
Para este escenario se ingresó información de algunos pesticidas utilizados en

las zonas con cultivos (CRC 2016), adicionando los agroinsumos referidos en las
casas comerciales para los cultivos de papa, maíz y frijol, conocidos como
endosulfan, malathion, asulam sodium salt, dalapon y glyphosate amine; también
se ingresaron datos de las prácticas agrícolas (Tabla 17), extendiendo esta
información en todas las HRU de las microcuencas.
Tabla 17. Prácticas agrícolas.

MES PRÁCTICA DESCRIPCIÓN
Febrero Tile drains Sistemas de drenaje
Febrero Contour planting Siembra a favor de la pendiente
Marzo Generic conservation Prácticas de conservación del suelo
Junio Fire Quema
Julio Fire Quema
Agosto Generic conservation Prácticas de conservación del suelo
Septiembre Strip cropping Eras
Noviembre Filter strip Canales de desagüe
Diciembre Residue management Manejo de herbáceas
Fuente: Propia y SWAT input data (.OPS)
Este escenario se propone teniendo en cuenta la proyección de Mejia Recaman,

2017 correspondiente a la ampliación de las coberturas de cultivos y pastos
limpios al año 2040, incrementándose la agricultura convencional la cual es
intensiva y conlleva el uso de agroinsumos. La simulación se realizó mensual
para un año, con el fin de mostrar la importancia del manejo sostenible de las
prácticas productivas en la subcuenca.
Los resultados se muestran por microcuenca, y se calculó el promedio anual

para el agua disponible en el suelo como se observa en la tabla de la Figura 32,
en este caso Robles (6), El Limonal (8), Santa Teresa (2), Piedras (1) y
Carnicerías (11) serían las microcuencas con mayor disponibilidad de agua en
el suelo por ser las zonas en donde los pastos limpios y cultivos tendrían mayor
extensión. Piedra Negra (15), Las Pavas (3) y La Cabaña (14), son las
microcuencas con menor cantidad de agua disponible en el suelo ya que son
zonas de conservación y regulación del ciclo hidrológico, con presencia de
herbazal denso lo cual distribuye el agua en cauce, subsuelo y acuífero.
59
Figura 32. Agua disponible en el suelo para escenario II. Fuente: Propia.
Figura 33. Rendimiento de sedimentos para escenario II. Fuente: Propia.
En cuanto a sedimentos se muestra la Figura 33 y para la contribución en la

escorrentía superficial la Figura 41 del ANEXO 5., donde Santa Teresa (2) y El
Limonal (8) tienen los valores más elevados y serían las microcuencas con
mayor capacidad de recoger contaminantes del suelo cómo material sólido
acumulado sobre la superficie, pesticidas o fertilizantes. Las Pavas (3), Santa
Teresa II (4), Aguas Claras (13), La Cabaña (14), Piedra Negra (15) y Peñas
Blancas (18) por ser microcuencas en zonas de conservación presentan los
niveles más bajos para sedimentos y baja acumulación de contaminantes en el
suelo.
60
Figura 34. Nitratos en escorrentía superficial para escenario II. Fuente: Propia.
Respecto a los nitratos en escorrentía superficial se muestra la Figura 34 y la

Figura 42 del ANEXO 5 para la carga de nitratos en agua subterránea se
muestran los resultados por microcuenca. En este caso, Santa Teresa (2) y El
Limonal (8) son las microcuencas que tienen los valores más altos,
observándose que los nitratos se están eliminando del perfil del suelo,
aproximadamente en un 50 %.
De lo descrito anteriormente, se observa que aunque se introdujo un incremento

en las zonas de cultivos y pastos limpios para toda la subcuenca, las
microcuencas Santa Teresa II (3), La Cabaña (14), Piedra Negra (15) y Peñas
blancas (18) cuentan con valores bajos para la mayoría de variables, siendo aún
zonas de conservación y con presencia de coberturas como bosques densos o
herbazales de tierra firme por lo que el incremento de estas coberturas se
presentarían en las microcuencas que desde periodos anteriores cuentan con
zonas agrícolas y ganaderas (Santa Teresa, El Limonal, Piedras).
4.5.2 TERCER ESCENARIO (E3).
Para la generación de los resultados de este escenario se modificaron las

condiciones climáticas de E1 basado en la generación de escenarios de la
tercera comunicación de cambio climático para Colombia y se incrementó en un
20% la precipitación media diaria, teniendo en cuenta la información del año
2013 ya que este fue un año neutro frío. Se escogió un año de transición, porque
en estos años se manifiestan las mayores variabilidades con eventos extremos,
principalmente lluvia con mayor intensidad.
61
Los resultados se muestran por microcuenca, para precipitación, disponibilidad
de agua en el suelo, escorrentía superficial, sedimentos, nitrógeno y carga de
nitrato en aguas subterráneas.
De acuerdo a la Figura 35, se puede notar que el promedio anual por

microcuenca, primero incrementa aproximadamente en un 20 % también
comparándolo con los resultados del ANEXO 6. en la Figura 43, y segundo, que
Santa Teresa II (3), Las Pavas (4), Piedra Negra (15) y Peñas Blancas (18) son
las microcuencas que menor precipitación reportan.
Figura 35. Precipitación para escenario III. Fuente: Propia.
También, aunque se observa un incremento en la precipitación refiriéndose a

que hay una cantidad mayor de agua en la subcuenca, ésta se pierde
rápidamente debido a que la regulación es poca, cómo se evidencia en la Figura
36, y validando que las microcuencas cercanas a la zona con presencia de
ecosistema páramo, siendo zonas de conservación, presentan valores muy
bajos cercanos a cero en la contribución de la escorrentía superficial.
Figura 36. Escorrentía superficial. Fuente: Propia.
Por su parte, teniendo en cuenta la disponibilidad de agua en el suelo que se

observa en la Figura 37 y la contribución de la escorrentía superficial (ANEXO 6.
62
Figura 44), los promedios anuales por microcuenca disminuyeron
considerablemente, comparándolos con los resultados para el escenario I;
dónde, por el incremento de cultivos y pastos limpios, el agua se encuentra con
mayor disponibilidad en el suelo. Se observa también, que El Limonal (8) es la
microcuenca que reporta los valores más altos en disponibilidad de agua y
contribución de la escorrentía superficial en toda la Subcuenca lo cual puede
deberse a la presencia de cultivos permanentes en la zona.
Figura 37. Agua disponible en el suelo para escenario III. Fuente: Propia.
Según la Figura 38 las microcuencas Santa Teresa y El Palmichal son las que
tienen mayor rendimiento de sedimentos, en este caso Carnicerías (11) y El
Vaho (12) presentan un incremento en sedimentos, comparándolo con los
valores de la situación actual de la subcuenca sin el incremento en la
precipitación.
Figura 38. Rendimiento de sedimentos para escenario III. Fuente: Propia.
Por último, los nitratos en escorrentía superficial mostrados en la Figura 39 y la

carga de nitratos en la subcuenca que se observan en la Figura 45 del ANEXO
63
6. son inferiores a 2 kg/Ha, y las microcuencas cercanas al ecosistema páramo
presentan valores cercanos a cero, y de acuerdo a los resultados anteriores se
presenta un comportamiento similar en las microcuencas Santa Teresa y el
Limonal, que son las que presentan mayores resultados en nitratos en
escorrentía y carga en nitratos, por ser zonas de cultivos y con presencia
ganadera.
Figura 39. Nitratos en escorrentía superficial para escenario III. Fuente: Propia.
De los resultados obtenidos se observó que para la mayoría de variables, en las

microcuencas de la parte media y baja los valores son los más altos de la
subcuenca por lo que Santa Teresa (2), El Limonal (8), Piedras (1) y Robles (6)
son las más influyentes en la contaminación difusa de la subcuenca debido a
que son lugares dónde hay presencia e intervención humana y su principal
actividad económica son las prácticas agrícolas: ganadería extensiva y
agricultura. Teniendo en cuenta que la subcuenca del río Las Piedras es la
principal fuente abastecedora del municipio de Popayán es de gran importancia
la medición de las variables fisicoquímicas como parte del conocimiento para la
calidad del agua cruda según el Decreto 1594 de 1984 para su potabilización y
consumo humano. A su vez, en las microcuencas de la parte alta los valores
para contaminación difusa son bajos gracias a la presencia de bosques
naturales, ecosistema páramo, arbustales y pastos naturales por lo que es
significativo continuar con el proceso de aislamiento y reforestación que se
implementa en la subcuenca con ayuda de la fundación Río Las Piedras y el
Acueducto y alcantarillado de Popayán S.A E.P.S para garantizar zonas de
reservas que ayudan en la recuperación de los espacios naturales y mejoran las
condiciones del agua.
64
CONCLUSIONES
Se logró la estimación de la contaminación difusa por actividades agrícolas,

como cultivos y pastos limpios, a partir de variables hidrológicas, información de
sedimentos, nitrógeno, fósforo y nitratos, en la subcuenca del río Las Piedras,
para el periodo comprendido 1999-2017; teniendo en cuenta información base
del mapa de elevación digital – DEM, mapas de uso y de tipo de suelos y una
base de datos meteorológicos.
Con información de las imágenes satelitales seleccionadas para este estudio y

la clasificación realizada para las 14 coberturas seleccionadas en la subcuenca
del río Las Piedras, se logró observar la transición que se presentó hasta Abril
de 2017 de los espacios naturales como: pastos naturales, arbustales y bosques;
información que fue validada con expertos y líderes comunitarios de la
subcuenca. Con este producto fue posible, visualizar, a partir del buffer del
cordón ripario la presencia de cultivos y pastos limpios en zonas aledañas al
cauce y tributarios principales del río Las Piedras, describiendo y priorizando las
fuentes de contaminación no puntual, asociadas a prácticas agrícolas, como
agricultura y ganadería.
Se definió el área de la subcuenca y se actualizó la cantidad de microcuencas

de 15 a 18, logrando una mejor distribución del área total para el estudio y
análisis de zonas y variables de interés. Con esta información y la combinación
de los mapas de tipo y de uso de suelo y los rangos de pendientes trabajados
fue posible la creación de las unidades de respuesta hidrológica HRU, cuyo
análisis permitió examinar las condiciones generales de la subcuenca por su
representatividad con respecto al área total; información necesaria para la
simulación del modelo hidrológico “Soil and Water Assessment Tool SWAT”. De
esta manera, los resultados de la simulación se calibraron y validaron para
obtener una mejor aproximación a la realidad, ya que se omitieron ciclos de años
de calentamiento y los resultados para caudal presentaban una subestimación
con respecto al valor observado, con el fin de poder evaluar la contaminación
difusa en la subcuenca del río Las Piedras
La situación actual de la subcuenca del río Las Piedras, presentó valores bajos
para variables como sedimentos, nitratos, nitrógeno y fósforo, variables de gran
65
importancia para determinar la contaminación difusa en una subcuenca donde a
partir de esta información, se generaron y analizaron dos posibles tendencias de
alta importancia en los procesos de contaminación difusa por actividades
agrícolas, teniendo en cuenta dos escenarios: por incremento en las prácticas
agrícolas y uso de agroinsumos, así como por el aumento en la precipitación
para un año neutro frío. El escenario dos sería el crítico, ya que reportó valores
altos en las variables importantes para determinar la contaminación difusa en la
subcuenca.
66
RECOMENDACIONES PARA FUTUROS TRABAJOS DE INVESTIGACIÓN
Para analizar con mayor profundidad el proceso de la contaminación difusa en

subcuencas con áreas de cultivo inferiores a 10 Ha, se recomienda el uso de
imágenes satelitales con resolución espacial mayor y validar esta información
con cartografía social, de igual manera, incluir información detallada sobre
prácticas de uso y manejo, calendarios productivos e insumos de control y plaga
y fertilización aportan mayor precisión.
El modelo hidrológico SWAT, demostró ser un modelo que permite simulaciones

a partir de un mínimo de información de base dando buenos resultados, por lo
que se recomienda la aplicación del mismo en otras subcuencas, cómo la
subcuenca del río Molino y la del río Palacé; que son de gran importancia para
Popayán
En el trabajo se realizó la calibración y validación del modelo hidrológico SWAT

solamente con resultados de caudal, pero se pueden mejorar si se tienen
medidas de variables de interés, cómo sedimentos, escorrentía y nitratos, y de
esta manera tener certeza de los resultados para estimar contaminación difusa
en la subcuenca.
Dependiendo de la disponibilidad de datos, el modelo es robusto y permite hacer

simulaciones precisas de la dinámica de la movilización de nutrientes y de
sedimentos en flujo superficial y subterráneo por lo que se recomienda, a partir
de los resultados de este estudio incluir registros de nitrógeno, fósforo y
nutrientes para disminuir la incertidumbre.
67
REFERENCIAS
Acueducto y alcantarillado de Popayán – S.A.S E.P.S. (s. f.). Recuperado de

http://www.acueductopopayan.com.co/gestion-ambiental/fundacion-
procuenca-rio-las-piedras/fuentes-de-abastecimiento/cuenca-piedras/
Acueducto y alcantarillado de Popayán S.A. (2018). Cuenca Piedras.

Recuperado de http://www.acueductopopayan.com.co/gestion-
ambiental/fundacion-procuenca-rio-las-piedras/fuentes-de-
abastecimiento/cuenca-piedras/
Aguilar, C. (2004). Evaluación de la contaminación difusa en zonas de olivar con

diferentes alternativas de manejo del suelo. TPFC. Dpto. Agronomía,
Universidad de Córdoba.
Bautista, D. (2013). Estructuración de un modelo para identificar el impacto de la

contaminación de fuentes difusas en la subcuenca de Chapala. Centro
interdisciplinario de Investigación para el Desarrollo Integral Regional
Unidad Michoacán. Instituto Politécnico Nacional.
Campaz, G., Enríquez, J. (2012). Simulación de caudales en la subcuenca río

las piedras mediante la aplicación del modelo hidrológico SWAT.
Universidad del Cauca.
Chuvieco, E. (1995). Fundamentos De Teledeteccion Espacial.

https://doi.org/23.304-1995
CRC. (2016). Plan de ordenación y manejo de la subcuenca hidrográfica del Río

las Piedras (Actualización) Resolucion 0751/2006. F. P. R. L. Piedras.
Popayán, CRC: 457.
Dominguez de Franco, V. (2009). Herramientas para la implementación de un

Sistema de Gestión de Cuencas tomando como base de respuesta, la
unidad ecosistémica del Río David,. Universidad Tecnológica de Panamá.
ESA. (s. f.). Sentinel Online. Recuperado de

https://sentinel.esa.int/web/sentinel/missions/sentinel-2
Etter, A., McAlpine, C., Wilson, K., Phinn, S., Possingham, H. (2006). Regional
patterns of agricultural land use and deforestation in Colombia. Agriculture,
Ecosystems & Environment 114(2-4), 369-386.
GEA, GIT, CIAgua, & C. (2013). Inter-Institutional, Multi-Sectoral Analysis of

Vulnerability and Adaptation to Climate Change for the Agricultural Sector in
the Upper Cauca River Basin Impacting Adaptation Policies. Popayán.
GEA. (2012). Modelamiento climatico, patrones de cambio y sus efectos en

ecosistemas agricolas altoandinos, identificando medidas de adaptacion y
mitigacion para la planificacion. Popayán: Universidad del Cauca - Ministerio
68
de Agricultura y Desarrollo Rural.
GEA, E. (2014). Fortalecimiento de los mecanismos de gestión integral del

recurso suelo para la producción agrícola sostenible en el departamenteo
del Cauca. Popayán.
Gonzales, S. (2007). Contaminación difusa de las aguas. INIA. Tierra Adentro,

21-25.
Hernandez, D. (2015). Estimación de los parámetros morfométricos y las

unidades de respuesta hidrológica de la cuenca del Río Ráquira
departamento de Boyacá a través del programa SWAT. Universidad
Católica de Colombia.
Horning, N. (2018). Reference Module in Earth Systems and Environmental

Sciences. https://doi.org/https://doi.org/10.1016/B978-0-12-409548-
9.10607-4
Landis, J. Richard, Koch, G. G. (1977). The Measurement Of Observer

Agreement For Categorical Data., 1, 159-174.
https://doi.org/10.2307/2529310
Leonard, R.A., Knisel, W.G., Still, D.A. (1987). GLEAMS: Groundwater loading
effects of agricultural management systems.
McElroy, M.B., Kong, Y.L., Nier, A.O. (1977). Composition and Structure of the
Martian Upper Atmosphere: Analysis of Results from Viking. Science, New
Series, 194(4271 (Dec. 17, 1976)), 1295-1298.
Mejia Recaman, L. (2017). Manejo adaptativo del territorio en una cuenca

altoandina desde la diversidad cultural y ecosistémica. Colombia.
Mosquera, L., M. Polo, E. C. (1986). Clasificación de las tierras por su capacidad

de uso.
NASA. (s. f.). Alaska Satellite Facility. Recuperado de

https://vertex.daac.asf.alaska.edu/#
Novotny, V. (1986). A Review of hydrologic and wáter quality models use for
Simulation of Agricultural Pollution. Agricultural Monpoint Source Pollution:
Model Selection and Aplication. Amsterdam Elservier.
Organización de las Naciones Unidas para la Agricultura (FAO). (2006).
Otero, J.D., Figueroa, A., Muñoz, F. A., Peña, M. . (2011). Loss of soil and
nutrients by surface runoff in two agro-ecosystems within an Andean paramo
area. Ecological Engineering, 37(12), 2035-2043.
https://doi.org/10.1016/j.ecoleng.2011.08.001
Pencue, E. L., Solano, Y. T., Corrales, J. C., Figueroa, A. (2016). A Semi-

69
Supervised Hybrid Approach for Multitemporal Multi-Region Multisensor
Landsat Data Classification, 9(12), 5424-5435.
Perez, L.E. (2005). Teoría de la sedimentación.
Qunming, W., Peter M., A. (2018). Spatio-temporal fusion for daily Sentinel-2
images, 31-34. https://doi.org/https://doi.org/10.1016/j.rse.2017.10.046
Robinson, D. A., Hockley, N., Cooper, D. M., Emmett, B. A., Keith, A. M., Lebron,
I., Reynolds, B., Tipping, E., Tye, A. M., Watts, C. W., Whalley, W. R., Black,
H. I. J., Warren, G. P. y Robinson, J. S. (2013). Natural capital and
ecosystem services, developing an appropriate soils framework as a basis
for valuation. Soil Biology and Biochemistry.
https://doi.org/http://dx.doi.org/10.1016/j.soilbio.2012.09.008
Ruiz, D. M., Martínez, J. P., Otero, J. D., Figueroa, A. (2017). Effects of productive
activities on the water quality for human consumption in an Andean basin, a
case study. Revista Internacional de Contaminacion Ambiental, 33(3), 361-
375. https://doi.org/10.20937/RICA.2017.33.03.01
Santhi, C., Arnold, J. G., Williams, J.R., Dugas, W.A., Srinivasan, R., Hauck, L.M.
(2001). Vadidation of the SWAT model on a large RWER basin with point
and nonpoint sources 1. JAWRA Journal of the American Water Resources
Association, 37 (5), 1169-1188.
Secretaria de Desarrollo Agropecuario y Fomento Económico. (s. f.).

Recuperado de http://cauca.gov.co/secretarIa-de-desarrollo-agropecuario-
y-fomento-economico
SERCP. (s. f.). Copernicus Open Access Hub. Recuperado de

https://scihub.copernicus.eu/
Urrutia Rivas, M. A. (2016). Aplicación Del Modelo Swat Para La Simulación Del
Ciclo Hidrológico De La Cuenca Alta Del Rio San Juan Bajo La Influencia
De La Actividad Minera. Tesis de grado, (1), 79.
Van der MeerH, F. D., van der WerffF, H. M. A., van Ruitenbeek, F. J. A. (2014).
Potenctial of ESA’s Sentinel-2 for geological applications, 124-133.
https://doi.org/https://doi.org/10.1016/j.rse.2014.03.022
WI. (2013). State of the World 2013: Is Sustainability Still Possible? Washington,
DC.: Island Press.
WI. (2015). State of the World 2015: Confronting Hidden Threats to Sustainability.
Washington, D.C: Island Press.
Zuñiga, O., Uribe, A., Torres, A., Cuero, R., Peña, J. (2013). Implications of land-
cover types for soil erosion on semiarid mountain slopes: Towards
sustainable land use in problematic landscapes. Agronomía Colombiana,
112-119.
70
ANEXOS
ANEXO 1. Modelos para evaluar contaminación difusa.

Tabla 18. Modelos para evaluar la contaminación de fuentes agrícolas no localizadas.
ESCALA DE
NOMBRE APLICACIÓN
TIEMPO
a. Nivel medio-bajo de necesidad de datos
Cargas por superficie unitaria Pérdida de sedimentos; pérdida Promedios a largo
(predicción estadística) de nutrientes plazo
NOTA: Los modelos estadísticos utilizan datos agregados para situaciones comparables. La
capacidad de predicción es baja, pero puede ser útil como medio de detección en los casos en
que no se dispone de datos sobre los campos de cultivo o la escala espacial es tan grande que
resulta antieconómico obtenerlos
Pérdida media de suelo en
USLE (Ecuación universal de pérdida
relación con cultivos específicos, Anual
de suelo)
etc.
Pérdida media de suelo en
RUSLE/MUSLE (USLE
relación con cultivos específicos, Anual
revisada/modificada
etc.
NOTA: Los modelos empíricos semejantes al USLE se han aplicado en el análisis de grandes
superficies, utilizando, por ejemplo, datos obtenidos con sistemas de teledetección, para elaborar
estimaciones regionales de las pérdidas de suelos (por ejemplo, en Brasil). Estos modelos se
incorporan muchas veces en los modelos hidrológicos más detallados que se indican a
continuación
b. Modelos que requieren gran disponibilidad de datos (orientados en el proceso)
ACTMO (Modelo de transporte de Procesos hidrológicos, calidad Suceso aislado,
productos químicos agrícolas) del agua continuada
Suceso aislado
AGNPS (Contaminación de fuentes Hidrología, erosión, N, P y
diariamente,
agrícolas no localizadas) plaguicidas
continuada
ANSWER (Simulación de respuestas
Hidrología, erosión, N, P y
ambientales en cuencas hidrográficas Una tormenta
plaguicidas
de fuentes zonales no localizadas)
CREAMS (Erosión química y
Hidrología, erosión, N, P y
escorrentía de los sistemas de Diaria, continuada
plaguicidas
ordenación agrícola)
Hidrología, calidad del agua en
EPIC (Calculador del efecto erosión- relación con contaminantes Suceso aislado,
productividad) orgánicos, tóxicos y diaria, continuada
convencionales
Hidrología, calidad del agua en
HPSF (Programa Fortran de simulación Suceso aislado,
relación con contaminantes
hidrológica) diaria, continuada
tóxicos y convencionales
71
Hidrología, con módulos de Suceso aislado,
SHE (Sistema hidrológico europeo)
calidad del agua diaria, continuada
Procesos hidrológicos,
SWAM (Modelo de cuencas
sedimentos, nutrientes y Diaria, continuada
hidrográficas pequeñas)
plaguicidas
Procesos hidrológicos,
SWAT (Instrumento de evaluación de Suceso aislado,
sedimentos, nutrientes, y
suelos y aguas)* diaria y continuada
plaguicidas
SWRRB (Simulador para recursos Balance hídrico y procesos Suceso aislado,
hídricos en cuencas rurales) hidrológicos y sedimentación diaria, continuada
WEPP (Proyecto de predicción de la Procesos hidrológicos, procesos Tormenta diaria,
erosión hídrica) de sedimentación continuada
*Modelo escogido para la elaboración de esta investigación
Fuente: Organización de las Naciones Unidas para la Agricultura (FAO, 1997)
72
ANEXO 2. Perfiles de suelos.
¡Error! No se encuentra el origen de la referencia.
73
Fuente: Simulación de caudales en la subcuenca río Las Piedras mediante la aplicación del modelo hidrológico SWAT (2012)
74
ANEXO 3. Datos estadísticos.
Tabla 19. Datos estadísticos de estaciones Arrayanales y El Diviso.
Fuente: Propia.
75
ANEXO 4. Calibración.
Figura 40. Calibración del modelo hidrológico SWAT. Fuente: Journal of the American Water
Resources Association.
76
ANEXO 5. Mapas para escenario II.
Figura 41. Contribución de la escorrentía superficial para escenario II. Fuente: Propia.
Figura 42. Carga de nitrato en aguas subterráneas para escenario II. Fuente: Propia.
77
ANEXO 6. Mapas para escenario III.
Figura 43. Precipitación sin incremento. Fuente: Propia.
Figura 44. Contribución de la escorrentía superficial para escenario III. Fuente: Propia.
78
Figura 45. Carga de nitrato en aguas subterráneas para escenario III. Fuente: Propia.
79

Tesis de Grado

Cargado por

Copyright:

Formatos disponibles

Tesis de Grado

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis de Grado

Cargado por

Copyright:

Formatos disponibles

ESTIMACIÓN DE LA CONTAMINACIÓN DIFUSA POR ACTIVIDADES

AGRÍCOLAS MEDIANTE EL MÉTODO HIDROLÓGICO SWAT EN LA

YINETH VIVIANA CAMACHO DE ANGULO

UNIVERSIDAD DEL CAUCA

FACULTAD DE CIENCIAS NATURALES, EXACTAS Y DE LA EDUCACIÓN

YINETH VIVIANA CAMACHO DE ANGULO

Trabajo en modalidad de investigación presentado como requisito para

Ing. EDGAR LEONAIRO PENCUE FIERRO

Biol. DIANA MARCELA RUIZ ORDÓÑEZ

UNIVERSIDAD DEL CAUCA

FACULTAD DE CIENCIAS NATURALES, EXACTAS Y DE LA EDUCACIÓN

Firma del director

Firma del codirector

Firma del jurado

Firma del jurado

Popayán, 7 de noviembre de 2018.

A Dios, por darme la vida.

A la Universidad del Cauca, a los profesores del departamento de física y grupo

A la Fundación Pro Cuenca Río Las Piedras y a la división ambiental del

A mis compañeros de carrera, Ángela, Jessica, Francisco, Christian, Juan Felipe

A mis amigos, especialmente a Juan Sebastián y a Cristhian por demostrarme

Tabla 1. Resolución espectral Sentinel 2A. ...................................................... 16

Figura 1. Funcionamiento general de SWAT. ................................................... 20

La investigación se realizó en la subcuenca del río Las Piedras, ubicada en los

Palabras clave: Contaminación difusa, percepción remota, modelo hidrológico

En el planeta, los ecosistemas han sido degradados por la acción antrópica,

En Colombia, las actividades agrícolas se concentran principalmente en la zona

En el departamento del Cauca, las actividades agrícolas presentan el manejo

En el 2017, la agricultura convencional generó aproximadamente 917.000

En este contexto, en el presente estudio se aborda el análisis y la integración de

1.1 PLANTEAMIENTO DEL PROBLEMA

En el desarrollo de las prácticas agrícolas se realizan actividades de limpieza,

En el departamento del Cauca, se resumen estas condiciones en torno a las

Por la importancia de la subcuenca del río Las Piedras como fuente

De igual manera, estos resultados aportan a estudios de carácter ambiental,

Este proyecto es un aporte a la articulación interinstitucional desde el alcance de

Estimar la contaminación difusa por actividades agrícolas en la subcuenca del

• Priorizar las fuentes de contaminación no puntual asociadas a las

• Calibrar el modelo hidrológico SWAT teniendo en cuenta las actividades

• Analizar las tendencias en los procesos de contaminación difusa por

2.1 PERCEPCIÓN REMOTA

La teledetección o percepción remota es una herramienta importante para

El principal objetivo de esta ciencia es analizar las condiciones que presenta el

2.2 PLATAFORMA SATELITAL SENTINEL 2A

El satélite Sentinel 2A forma parte de las misiones de la Agencia Espacial

En la actualidad, gracias a la disponibilidad de imágenes satelitales y el

En este sentido, la teledetección se usa para el análisis de la calidad del agua

2.3 CONTAMINACIÓN DIFUSA

La contaminación de las aguas procedente de fuentes no localizadas, conocida

La cuantificación de los efectos sobre la calidad del agua es difícil a nivel de

Caracterizar y cuantificar las fuentes de contaminación de una cuenca puede

Actualmente los modelos de simulación son las mejores herramientas en lo que

Es un modelo avalado por su amplia aplicación a cuencas y fue estructurado

• Se basa en procesos físicos (su calibración no es posible en

El modelo ofrece los siguientes beneficios:

• Se pueden simular las cuencas sin datos de control (escurrimientos

2.4.1 Características del modelo SWAT.

SWAT modela de forma integral la cuenca y su dinámica en función de diferentes