Water estimation model for the agricultural and population sectors of the Tablachaca watershed in Peru

Introduction

⌅

Efficient water resource management is a fundamental aspect for the sustainable development of watersheds (Rosen et al., 2023ROSEN, M. A.; BONAKDARI, H.; SUN, P.; DONG, L.; PANDI, D.; KOTHANDARAMAN, S.; & KUPPUSAMY, M.: ¨Simulation of Water Balance Components Using SWAT Model at Sub Catchment Level. ¨ Sustainability 2023, Vol. 15, Page 1438, 15(2), 1438, 2023, DOI: https://doi.org/10.3390/SU15021438 ). Studies by Cai et al. (2023)CAI, Y.; ZHANG, F.; SHI, J.; CARL JOHNSON, V.; AHMED, Z.: WANG, J.; & WANG, W.: ¨Enhancing SWAT model with modified method to improve Eco-hydrological simulation in arid region.¨ Journal of Cleaner Production, 403, 136891, 2023, DOI: https://doi.org/10.1016/J.JCLEPRO.2023.136891 show that issues such as urbanization threaten human survival and socio-economic development. Additionally, the combination of meteorological phenomena and socioeconomics has become a complex issue for resource management. Therefore, the optimal evaluation of hydrological processes is necessary to quantify and improve the distribution of water to different sectors of society, while contributing to the sustainable management of water resources.

The Tablachaca River basin in northern Peru faces serious challenges in establishing efficient water resource use. The main causes include its geographic location in the Andes of Peru, which leads to analyses of spatial-temporal variability due to the mountainous region, climate, precipitation variability, and various water uses, such as drinking water supply, hydroelectricity, mining, and agriculture. Secondly, the high specific solid flows resulting from water erosion affect soil fertility, water availability for crops, and consequently the loss of useful water storage volume in reservoirs, as well as the sustainable production of electricity (Velásquez-Castro et al., 2019VELÁSQUEZ-CASTRO, K.; INGOL-BLANCO, E.; PEHOVAZ-ALVAREZ, R.; & CRUZADO-BLANCO, C.:¨ Assessment of Reservoir Sedimentation and Mitigation Measures: A Case Study of Palo Redondo Reservoir.¨ World Environmental and Water Resources Congress 2019: Hydraulics, Waterways, and Water Distribution Systems Analysis - Selected Papers from the World Environmental and Water Resources Congress 2019, 192-199,2019, DOI: https://doi.org/10.1061/9780784482353.018 ). Thirdly, the scarce information on complete and updated hydrological data. Historically, flow data were limited until 1997, leaving a knowledge gap about the fluvial dynamics in subsequent decades.

The semi-distributed hydrological estimation model called Soil and Water Assessment Tool (SWAT) is one of the most used by water resource professionals. Due to its interdisciplinary nature, the SWAT model is recognized as a robust tool that contributes to water management, particularly in simulating agricultural management (Chen et al., 2024CHEN, J.; LI, Y.; LUO, W.; YU, L.; ZOU, Z.; WANG, W.; HUANG, S.; TANG, C.; YE, L.; & XIAO, X.: ¨ Modification and testing of SWAT for paddy field water consumption and yield.¨ River, 2024, DOI: https://doi.org/10.1002/rvr2.96 ).

Rosen et al. (2023)ROSEN, M. A.; BONAKDARI, H.; SUN, P.; DONG, L.; PANDI, D.; KOTHANDARAMAN, S.; & KUPPUSAMY, M.: ¨Simulation of Water Balance Components Using SWAT Model at Sub Catchment Level. ¨ Sustainability 2023, Vol. 15, Page 1438, 15(2), 1438, 2023, DOI: https://doi.org/10.3390/SU15021438 observed prolonged droughts lasting 3 years in 11 sub-basins due to the lack of northeast monsoons. Shin et al. (2021)SHIN, S.; POKHREL, Y.; TALCHABHADEL, R.: & PANTHI, J.: ¨ Spatio-temporal dynamics of hydrologic changes in the Himalayan river basins of Nepal using high-resolution hydrological-hydrodynamic modeling.¨ Journal of Hydrology, 598, 126209, 2021, DOI: https://doi.org/10.1016/J.JHYDROL.2021.126209 accurately estimated long-term monthly flows using SWAT, reflecting the internal hydrological processes of the basin. A similar result was achieved by Pandi et al. (2023)PANDI, D.; KOTHANDARAMAN, S.; & KUPPUSAMY, M.: ¨Simulation of Water Balance Components Using SWAT Model at Sub Catchment Level. ¨ Sustainability (Switzerland), 15(2), 2023. DOI: https://doi.org/10.3390/su15021438 in India, enabling sustainable water management based on basin, rainfall, and soil condition data. Jiang et al. (2024)JIANG, A.; ZHANG, W.; LIU, X.; ZHOU, F.; LI, A.; PENG, H.; & WANG, H.: ¨Improving hydrological process simulation in mountain watersheds: Integrating WRF model gridded precipitation data into the SWAT model.¨ Journal of Hydrology, 639, 2024, DOI: https://doi.org/10.1016/j.jhydrol.2024.131687 emphasize that in mountainous areas, high rainfall accuracy is essential to improve SWAT model evaluation, as they obtained underestimated results in monthly runoff with a percentage bias ranging from 5% to 19%.

Materials and methods

⌅

The research was conducted in the Tablachaca River watershed, located on the western slope of the Andes in Peru. The watershed includes two secondary rivers, the Angasmarca and Huaychaca rivers, which drain their tributaries into the main Tablachaca River.

Spatial, climatic, and hydrometric data were used for accurate modeling in the SWAT program. For spatial data, land use analysis was performed using the Ecosystems Map of Peru provided by the Ministry of the Environment, obtained from https://sinia.minam.gob.pe/mapas/mapa-nacional-ecosistemas-peru. Equivalencies were established between the ecosystem types and general land uses that could be interpreted by SWAT.

Soil type information was obtained from the World Digital Soil Map (DSMW) available at https://data.apps.fao.org/map/catalog/srv/eng/catalog.search#/metadata/cc45a270-88fd-11da-a88f-000d939bc5d8, which follows the FAO (Food and Agriculture Organization of the United Nations) nomenclature. Subsequently, terrain slopes were processed in the ESRI format for manipulation, and their respective ranges were generated using ArcGIS Pro 2.0.

Regarding climatic data, five rainfall stations were considered: Cabana, Cachicadán, Huacamarcanga, Mollepata, and Quiruvilca, located between 2,726 and 4,123 meters above sea level. The data were obtained from the National Water Authority platform (https://snirh.ana.gob.pe/onrh/) and the National Meteorology and Hydrology Service of Peru (https://www.senamhi.gob.pe/servicios/?p=estaciones). The data collected covered the years 1972 to 2023, but data completion analysis was necessary using HEC 4 (Bhaskar & Whitlatch, 1980BHASKAR, N. R., & WHITLATCH, E. E..: ¨Application of the Hec-4 Monthly Stream Flow Simulation Model1¨. JAWRA. Journal of the American Water Resources Association, 16(4), 587-593,1980, DOI: https://doi.org/10.1111/J.1752-1688.1980.TB02435.X ) and rainfall consistency analysis through TREND (Chiew & Siriwardena, 2005CHIEW, F.; & SIRIWARDENA, L.: ¨Trend User Guide.¨, 2005, Disponible en: www.toolkit.net.au/trend ). Finally, for hydrometric data, the Chuquicara station was considered, with available historical data spanning 24 years from 1972 to 1997.

SWAT Hydrological Model

⌅

Water estimation for human and agricultural consumption was analyzed using the SWAT model based on the SCS-CN method to predict runoff from rainfall and soil saturation levels. In this regard, a 95th percentile was chosen as the standard for human consumption water, ensuring that only 5% of the data exceed the guaranteed minimum flow. For irrigation purposes, a 75th percentile was used, considering that crops tolerate a certain level of water stress due to limited water availability for irrigation.

Model Calibration and Validation

⌅

In modeling, uncertainties arise from four main sources: input data errors, inaccuracies in observed data, parameter variability, and structural uncertainty. Calibration required a clear objective function, such as the Nash-Sutcliffe efficiency in SWAT, to evaluate the model's adequacy. Validation compared simulations with observations, using statistical criteria to verify the accuracy of SWAT-CUP, which facilitated both processes.

Model Performance Indices

⌅

Three indices were proposed for evaluating the performance of predictive models: the Nash-Sutcliffe coefficient (NSE), the Percent Bias (PBIAS), and the Coefficient of Determination (R²). In this regard, the accuracy of the model's predictions was evaluated in comparison with the mean of the observed data.

Results and discussion

⌅

Using Geographic Information Systems with ArcGIS Pro, the watershed presented a total area of 3,198.90 km², with a perimeter of 410.46 km. The altitude variation within the watershed is considerable, with a maximum elevation of 5,050 m.a.s.l. and a minimum of 505 m.a.s.l., indicating a notable topographic variation and potentially diverse hydrological and geotechnical conditions across the basin.

Five rainfall stations were identified within the watershed, which recorded precipitation data from 1972 to 2023. Table 1 shows the analyzed meteorological stations and their respective precipitation intervals. The Huacamarcanga station recorded the highest precipitation, while Mollepata had the lowest with values of 93.40 mm and 41.10 mm, respectively.

The three main rivers of the Tablachaca basin were also analyzed. The Angasmarca River, with a length of 18.82 km and a drainage area of 354.52 km², contributes 11.08% of the total flow in the basin. The Huaychaca River, extending 26.32 km in length and draining an area of 731.92 km², contributes 22.88% of the basin's flow. Finally, the Tablachaca River represents 66.04% of the total water contribution in the basin, with a length of 103.6 km and a drainage area of 2,112.46 km².

TABLE 1. Altitude and Precipitation Recorded at the Climate Stations

N°	Station	Altitude	Maximun	Minimun	Average
1	Cabana	3300	62.16	0.10	2.39
2	Cachicadan	2892	62.60	0.10	2.66
3	Huacamarcanga	4123	93.40	0.00	2.54
4	Mollepata	2726	41.10	0.10	1.61
5	Quiruvilca	3950	53.50	0.10	3.83

Sensitivity Analysis

⌅

The sensitivity analysis identified 16 parameters as most sensitive for optimization. Due to similarities in hydrological behavior, the CN2, SOL, and SFTMP parameters exhibited the highest relative sensitivity. This suggests that surface runoff, available water capacity in the soil, and temperatures are critical for flow generation in the river. Regarding the ESCO parameter, its value close to one indicates a high level of evaporation compensation in the soil due to the climatic and environmental conditions in the mountainous areas.

Calibration and Validation

⌅

The automatic calibration used objective functions defined by Das et al. (2024)DAS, S. K.; AHSAN, A.; KHAN, M. H. R. B.; YILMAZ, A. G.; AHMED, S.; IMTEAZ, M.; TARIQ, M. A. U. R.; SHAFIQUZZAMAN, M.; NG, A. W. M.; & AL-ANSARI, N.: ¨Calibration, validation and uncertainty analysis of a SWAT water quality model.¨ Applied Water Science, 14(4), 1-15, 2024, DOI: https://doi.org/10.1007/S13201-024-02138-X/TABLES/9 . During the calibration process, two-thirds of the observed flow data were used, and the remaining one-third was used for validation. Using performance indices, the model simulated rainfall from 1972 to 2023.

After calibrating the model for the period from 1973 to 1988, NSE values of 0.79 and PBIAS of -5.69% were obtained, indicating good model performance and good R² correlations with values exceeding 0.80. For the validation period from 1989 to 1996, an NSE of 0.75 and an R² of 0.82 were obtained, though the PBIAS showed a larger deviation with an error of -19.22%. However, these values remain within good performance ranges, with the calibration process proving to be more optimal than the validation. The results from the SWAT model's performance are shown in Table 2. During the calibration period, the simulated flow increased by 5.9% compared to the observed flow, while during validation, it increased by 23.8%. Therefore, there is a trend of greater uncertainty in the simulated flow for the validation period from 1989 to 1996.

TABLE 2. Performance Indices

Indicators	Calibration (1973-1988)		Validation (1989 - 1996)
Observed Q	29.18	m³/s	27.18	m³/s
Simulated Q	30.93	m³/s	33.65	m³/s
NASH	0.79	-	0.75	-
PBIAS	-5.69	%	-19.22	%
R²	0.80	-	0.82	-
Number of Months	192	Months	96	Months

In relation to the SWAT model calibration, Marahatta et al. (2021)MARAHATTA, S.; DEVKOTA, L. P.; & ARYAL, D.: ¨Application of SWAT in Hydrological Simulation of Complex Mountainous River Basin¨ (Part I: Model Development). Water 2021, Vol. 13, Page 1546, 13(11), 1546, 2021, DOI: https://doi.org/10.3390/W13111546 achieved favorable results with NSE values of 0.78 and PBIAS of -1.46%, while their validation process yielded values of 0.81 and -17.1 for the NSE and PBIAS indices, respectively, which are similar to the values obtained in the current study. According to Colín-García et al. (2023)COLÍN-GARCÍA, G.; PALACIOS-VÉLEZ, E.; FERNÁNDEZ-REYNOSO, D. S.; LÓPEZ-PÉREZ, A.; FLORES-MAGDALENO, H.; ASCENCIO-HERNÁNDEZ, R.; & CANALES-ISLAS, E. I.: ¨Hydrological modeling with the SWAT model using dif ferent spatial distributions of soil type in the Mixteco River Basin.¨ REVISTA TERRA LATINOAMERICANA, 41, 2023, DOI: https://doi.org/10.28940/TERRA.V41I0.1566 ; Xiang et al. (2022)XIANG, X.; AO, T.; XIAO, Q.; LI, X.; ZHOU, L.; CHEN, Y.; BI, Y.; & GUO, J.:¨ Parameter Sensitivity Analysis of SWAT Modeling in the Upper Heihe River Basin Using Four Typical Approaches.¨ Applied Sciences 2022, Vol. 12, Page 9862, 12(19), 9862, 2022, DOI: https://doi.org/10.3390/APP12199862 NSE and PBIAS values may vary depending on watershed conditions, particularly soil type.

Figure 1 shows the calibrated and validated model, where the simulated flow curve closely matches the observed flow curve. With the exception of 1975, where there was an underestimation of simulated flow, and 1984, where there was an overprediction, the model's validation demonstrated a good fit between the simulated and observed flow curves for the period from 1989 to 1997.

FIGURE 1. Calibrated and Validated Model

After validation, the SWAT model was extended to simulate flow data until 2023. The average monthly flows in each river analyzed allowed for differentiation between dry and wet periods. Regarding this, the water availability for human consumption and agricultural use was identified, as shown in Figure 2.

For the Angasmarca River, the average monthly flows ranged from 0.34 m³/s to 12.39 m³/s, with an annual average of 3.8 m³/s.

FIGURE 2. Average Monthly Flows of the Angasmarca, Huaychaca, and Tablachaca rivers.

The wet period was established between December and April, with March being the month of highest precipitation in the area. The dry period occurred between May and November. This variability in flows reflects water availability, with the river meeting the needs of human consumption and irrigation in dry and wet periods, satisfying 95% and 75% of demand probabilities, respectively. In comparison, the Huaychaca River showed a higher hydrological trend, with average monthly flows ranging from 1.87 m³/s to 34.51 m³/s. It also displayed a decreasing flow trend during the dry period from May to November, similar to the Angasmarca River's sub-basin. However, the Huaychaca River had a higher water reserve, meeting 95% and 75% of water demand for human consumption and agriculture, respectively. The minimum flows in August were 1.87 m³/s, indicating reduced water availability for both agricultural and human consumption during critical months.

Finally, the Tablachaca River, as the main river of the basin, demonstrated significantly higher water availability compared to the Angasmarca and Huaychaca rivers. It has average monthly flows of 40.81 m³/s. Similar to the other rivers, its wet period extends from December to April, and its dry period is from May to November. The highest flow recorded during the wettest month was 122.7 m³/s, while the lowest during the driest month was 5.91 m³/s. These values are considerably higher than those of the previously mentioned rivers. As a result, the evaluation determined that water resources available for agricultural and human consumption are much higher. During the wettest period, the flow allocated for agriculture reaches 60.59 m³/s, while the supply for human consumption rises to 33.25 m³/s. On the other hand, during the driest period, the flow available for irrigation decreases to 4.36 m³/s, and for potable water, it drops to 2.41 m³/s. In line with Chen et al. (2024)CHEN, J.; LI, Y.; LUO, W.; YU, L.; ZOU, Z.; WANG, W.; HUANG, S.; TANG, C.; YE, L.; & XIAO, X.: ¨ Modification and testing of SWAT for paddy field water consumption and yield.¨ River, 2024, DOI: https://doi.org/10.1002/rvr2.96 who performed two irrigation water simulation scenarios in SWAT, a 6.58% reduction in net water use for irrigation was observed.

The analysis of the scarcity index, based on water demand and supply, follows the classification from (IDEAM, 2004IDEAM.: ¨Contenido. Informe Anual Sobre El Estado Del Medio Ambiente y Los Recursos Naturales Renovables En Colombia¨,2004.), which categorizes the index as low (<10%), moderate (10%-20%), medium (20%-40%), and high (>40%). Based on this classification, the scarcity index was determined monthly for the Angasmarca River sub-basin, with values ranging from 55% to 79%. The Huaychaca River sub-basin showed values from 57% to 79%, while the Tablachaca River basin had values ranging from 81% to 116%. Overall, the Tablachaca River basin reached a scarcity index higher than 100%, indicating that demand exceeded available supply. This suggests the need for authorities to implement new water resource management measures due to these limitations. However, Liao (2024)LIAO, R.: ¨ Water scarcity assessment index from the realistic perspective of human basic water requirements.¨ Environmental and Sustainability Indicators, 22, 100404,2024, DOI: https://doi.org/10.1016/J.INDIC.2024.100404 highlights the need to identify water scarcity indices from the perspective of human consumption and further examine the variables involved in agriculture.

Conclusions

⌅

The SWAT hydrological model was successfully applied to the Tablachaca River basin, integrating spatial soil type distribution, climatic, and hydrometric data. The calibration demonstrated good model performance with an NSE of 0.79 and a PBIAS of -5.69%. Additionally, the validation confirmed the model's effectiveness, achieving an NSE of 0.75 and a PBIAS of -19.22%, with calibration being the more optimal phase.
The temporal analysis revealed an increase in flow production from December to April, which corresponds to the wet period, followed by a significant decrease from May to November, representing the dry period.
The total water availability in the basin allocated for agricultural use was 40.67 m³/s, while for human consumption, 23.29 m³/s was available, with 75% and 95% probability, respectively.
The Tablachaca River exhibited the highest water availability within the studied basin. For agricultural use, a maximum flow of 60.59 m³/s and a minimum of 4.36 m³/s were observed. For human consumption, the maximum flow recorded was 33.25 m³/s and the minimum was 2.41 m³/s, respectively. However, the Angasmarca and Huaychaca Rivers showed limited availability, particularly during the dry period, with flows approaching zero.
It is identified that the performance of the simulation model could be improved by using satellite precipitation data because the sensitivity and uncertainty of the parameters with respect to different precipitation inputs may reflect variations in performance when compared to a dataset from multiple sources.
As fundamental elements for future research, it is recommended to harmoniously integrate numerical physical models with artificial intelligence science to estimate the water reserves of the basin more accurately. The need for hydraulic infrastructure such as reservoirs is also suggested to ensure water supply during periods of scarcity and to contribute to the regulation of the hydrological cycle.

Introdución

⌅

La gestión eficiente de los recursos hídricos representa un aspecto básico para el desarrollo sostenible de las cuencas hidrográficas (Rosen et al., 2023ROSEN, M. A.; BONAKDARI, H.; SUN, P.; DONG, L.; PANDI, D.; KOTHANDARAMAN, S.; & KUPPUSAMY, M.: ¨Simulation of Water Balance Components Using SWAT Model at Sub Catchment Level. ¨ Sustainability 2023, Vol. 15, Page 1438, 15(2), 1438, 2023, DOI: https://doi.org/10.3390/SU15021438 ). Estudios realizados por Cai et al. (2023)CAI, Y.; ZHANG, F.; SHI, J.; CARL JOHNSON, V.; AHMED, Z.: WANG, J.; & WANG, W.: ¨Enhancing SWAT model with modified method to improve Eco-hydrological simulation in arid region.¨ Journal of Cleaner Production, 403, 136891, 2023, DOI: https://doi.org/10.1016/J.JCLEPRO.2023.136891 manifiestan que los problemas como la urbanización amenazan la supervivencia humana y el desarrollo socioeconómico, además, la combinación de los fenómenos meteorológicos y la socioeconomía se han convertido en un problema complejo para la gestión de los recursos. Por lo tanto, es necesario la evaluación óptima de los procesos hidrológicos para cuantificar y mejorar la distribución del agua para los diferentes sectores de la sociedad y a su vez contribuir a la gestión sostenible de los recursos hídricos.

La cuenca del río Tablachaca en el norte del Perú presenta serios problemas para establecer un uso eficiente de los recursos hídricos. Como causas principales está la ubicación geográfica sobre los Andes del Perú, que induce análisis de la variabilidad espacio- temporal debido a la zona montaña, el clima, variabilidad de precipitaciones y los diferentes usos del agua como abastecimiento de agua potable, hidroelectricidad, minería y agricultura. En segundo lugar, los elevados caudales sólidos específicos producto a la erosión hídrica que afecta la fertilidad de los suelos, disponibilidad de agua para los cultivos y por consiguiente pérdidas del volumen útil de almacenamiento de agua en los embalses, así como una producción sostenible de la energía eléctrica (Velásquez-Castro et al., 2019VELÁSQUEZ-CASTRO, K.; INGOL-BLANCO, E.; PEHOVAZ-ALVAREZ, R.; & CRUZADO-BLANCO, C.:¨ Assessment of Reservoir Sedimentation and Mitigation Measures: A Case Study of Palo Redondo Reservoir.¨ World Environmental and Water Resources Congress 2019: Hydraulics, Waterways, and Water Distribution Systems Analysis - Selected Papers from the World Environmental and Water Resources Congress 2019, 192-199,2019, DOI: https://doi.org/10.1061/9780784482353.018 ). En tercer lugar, la escasa información de datos hidrológicos completos y actualizados. Históricamente, la información de caudales se limitaba hasta el año 1997, dejando un vacío de conocimiento sobre la dinámica fluvial en las décadas subsiguientes.

El modelo de estimación hídrica semidistribuido denominado Evaluación de Suelos y Agua (SWAT) es uno de los más utilizados por los profesionales de los recursos hídricos. Producto a su naturaleza interdisciplinaria, el modelo SWAT es reconocido por ser una herramienta robusta que contribuye a la gestión hídrica y de forma particular en la simulación de la gestión agrícola (Chen et al., 2024CHEN, J.; LI, Y.; LUO, W.; YU, L.; ZOU, Z.; WANG, W.; HUANG, S.; TANG, C.; YE, L.; & XIAO, X.: ¨ Modification and testing of SWAT for paddy field water consumption and yield.¨ River, 2024, DOI: https://doi.org/10.1002/rvr2.96 ).

Rosen et al. (2023)ROSEN, M. A.; BONAKDARI, H.; SUN, P.; DONG, L.; PANDI, D.; KOTHANDARAMAN, S.; & KUPPUSAMY, M.: ¨Simulation of Water Balance Components Using SWAT Model at Sub Catchment Level. ¨ Sustainability 2023, Vol. 15, Page 1438, 15(2), 1438, 2023, DOI: https://doi.org/10.3390/SU15021438 logran observar en las 11 subcuencas una sequía prolongada durante 3 años debido a la falta de monzón del noreste. Shin et al. (2021)SHIN, S.; POKHREL, Y.; TALCHABHADEL, R.: & PANTHI, J.: ¨ Spatio-temporal dynamics of hydrologic changes in the Himalayan river basins of Nepal using high-resolution hydrological-hydrodynamic modeling.¨ Journal of Hydrology, 598, 126209, 2021, DOI: https://doi.org/10.1016/J.JHYDROL.2021.126209 logran mediante el uso del SWAT los caudales mensuales a largo plazo de forma precisa y reflejan los procesos hidrológicos internos de la cuenca. Caso similar alcanzan Pandi et al. (2023)PANDI, D.; KOTHANDARAMAN, S.; & KUPPUSAMY, M.: ¨Simulation of Water Balance Components Using SWAT Model at Sub Catchment Level. ¨ Sustainability (Switzerland), 15(2), 2023. DOI: https://doi.org/10.3390/su15021438 en la India, permitiendo una gestión sostenible del agua a partir de los datos de la cuenca, lluvia y condiciones del suelo. Jiang et al. (2024)JIANG, A.; ZHANG, W.; LIU, X.; ZHOU, F.; LI, A.; PENG, H.; & WANG, H.: ¨Improving hydrological process simulation in mountain watersheds: Integrating WRF model gridded precipitation data into the SWAT model.¨ Journal of Hydrology, 639, 2024, DOI: https://doi.org/10.1016/j.jhydrol.2024.131687 enfatizan que, en las zonas montañosas debe tenerse elevada precisión de la lluvia para mejorar la evaluación del modelo SWAT porque alcanzaron resultados subestimados en la escorrentía mensual con un sesgo porcentual de 5% al 19%.

Materiales y metodos

⌅

La investigación se realizó en la cuenca hidrográfica del río Tablachaca situada en la vertiente occidental de los Andes en el Perú. La cuenca incluye dos ríos secundarios, el río Angasmarca y el Huaychaca que vierten sus afluentes en el río principal Tablachaca.

Se utilizó la información espacial, climática e hidrométrica para el correcto modelamiento en el programa SWAT. Para la información espacial, se realizó el análisis del uso del suelo mediante el Mapa de Ecosistemas del Perú proporcionado por el Ministerio del Ambiente obtenido de https://sinia.minam.gob.pe/mapas/mapa-nacional-ecosistemas-peru. Se establecieron equivalencias entre los tipos de ecosistemas y los usos de suelo generales que pueden ser interpretados por SWAT.

La información sobre el tipo de suelo se obtuvo del Mapa Digital Mundial de Suelo (DSMW) de link https://data.apps.fao.org/map/catalog/srv/eng/catalog.search#/metadata/cc45a270-88fd-11da-a88f-000d939bc5d8 que sigue la nomenclatura de la FAO (Organización de las Naciones Unidas para la Agricultura y la Alimentación). Consecuentemente, se trabajó con las pendientes del terreno en el formato ESRI para su manipulación, sus respectivos rangos fueron generados en la herramienta ArcGis Pro 2.0.

En cuanto a la información climática, se consideró cinco estaciones pluviométricas las cuales fueron Cabana, Cachicadán, Huacamarcanga, Mollepata, Quiruvilca ubicadas entre los 2726 y 4123 m.s.n.m. Los datos fueron tomados de la plataforma de la Autoridad Nacional del Agua https://snirh.ana.gob.pe/onrh/ y del Servio Nacional de Meteorología e Hidrología del Perú https://www.senamhi.gob.pe/servicios/?p=estaciones. Los datos obtenidos pertenecieron a los años comprendidos desde 1972 hasta 2023, pero fue necesario el análisis de completamiento mediante el HEC 4 (Bhaskar & Whitlatch, 1980BHASKAR, N. R., & WHITLATCH, E. E..: ¨Application of the Hec-4 Monthly Stream Flow Simulation Model1¨. JAWRA. Journal of the American Water Resources Association, 16(4), 587-593,1980, DOI: https://doi.org/10.1111/J.1752-1688.1980.TB02435.X ) y análisis de consistencia de la lluvia por medio del TREND (Chiew & Siriwardena, 2005CHIEW, F.; & SIRIWARDENA, L.: ¨Trend User Guide.¨, 2005, Disponible en: www.toolkit.net.au/trend ). Finalmente, para la información hidrométrica se consideró la estación Chuquicara, teniendo data histórica disponible de 24 años comprendidos desde el año 1972 hasta el 1997.

Modelo Hidrológico SWAT

⌅

La estimación hídrica para el consumo humano y agrícola se analizó mediante el modelo SWAT con base al método SCS-CN para predecir el escurrimiento a partir de la lluvia caída y grado de saturación del suelo. En tal sentido, se eligió un percentil del 95% como estándar para el agua de consumo humano, asegurando que solo el 5% de los datos excedan el caudal mínimo garantizado. Para fines de riego se usó un percentil del 75% considerando que los cultivos toleran cierto nivel de estrés hídrico por escasa disponibilidad de agua para el riego.

Calibración y Validación del modelo

⌅

En la modelización, las incertidumbres emergen de cuatro fuentes principales: errores en datos de entrada, imprecisiones en datos observados, variabilidad en parámetros e incertidumbre estructural. La calibración requirió una función objetivo clara, como la eficiencia de Nash-Sutcliffe en SWAT, para evaluar la adecuación del modelo. La validación contrastó las simulaciones con observaciones, utilizando criterios estadísticos para verificar la precisión SWAT-CUP que facilitó ambos procesos.

Índices de desempeño del modelo

⌅

Se han planteado tres índices para la evaluación del desempeño de modelos predictivos, el coeficiente de Nash - Shutcliffe (NSE), el Porcentaje del Sesgo (PBIAS) y el Coeficiente de determinación (R²). En este aspecto, se evaluó la precisión de las predicciones del modelo en comparación con la media de los datos observados.

Resultados y discución

⌅

Mediante el uso del sistema de información geográfica con el ArcGIS Pro, la cuenca presentó un área total de 3198.90 km² delimitada por un perímetro de 410.46 km. La variación altitudinal de la cuenca varía considerablemente, presentando una elevación máxima de 5050 m.s.n.m. y una mínima de 505 m.s.n.m. Aspecto que señala una notable variación topográfica y potencialmente una diversidad de condiciones hidrológicas y geotécnicas a lo largo de la cuenca.

En la cuenca se identificó 5 estaciones pluviométricas que registraron la lluvia desde el año 1972 hasta el 2023. En la Tabla 1 se muestra las estaciones meteorológicas analizadas e intervalos de las precipitaciones. En particular la estación Huacamarcanga registró las mayores precipitaciones en relación con la estación Mollepata que alcanzó las mínimas con valores de 93.40 mm y 41.10 mm respectivamente.

Así mismo se analizaron los tres ríos principales de la cuenca Tablachaca. El río Angasmarca con una longitud de 18.82 km y un área de aporte de 354.52 km² que contribuye con el 11.08% del flujo total de la cuenca. El río Huaychaca extendiéndose 26.32 km de longitud y tributa en un área de 731.92 km² que aporta el 22.88% del caudal de la cuenca. Finalmente, el río Tablachaca representa el 66.04% del aporte hídrico total de la cuenca con una longitud de 103.6 km y tributa en un área de 2112.46 km².

TABLA 1. Altitud y precipitaciones registradas en las estaciones climáticas

N°	Estación	Altitud	Máxima	Minima	Promedio
1	Cabana	3300	62.16	0.10	2.39
2	Cachicadan	2892	62.60	0.10	2.66
3	Huacamarcanga	4123	93.40	0.00	2.54
4	Mollepata	2726	41.10	0.10	1.61
5	Quiruvilca	3950	53.50	0.10	3.83

Análisis de Sensibilidad

⌅

En el análisis de sensibilidad se identificaron 16 parámetros más sensibles para la optimización. Pero, debido a las similitudes en el comportamiento hidrológico el CN2, SOL, SFTMP muestran la sensibilidad relativa más alta, lo que sugiere que la escorrentía superficial, Capacidad de agua disponible en el suelo y las temperaturas son de importancia significativa para la producción de caudal en el río. En relación al parámetro ESCO, el valor cercano a uno de indica que existe una alta compensación de evaporación en el suelo por las condiciones climáticas y ambientales de las zonas montañosas.

Calibración y Validación

⌅

La calibración automática consistió en funciones objetivas definidas por Das et al. (2024)DAS, S. K.; AHSAN, A.; KHAN, M. H. R. B.; YILMAZ, A. G.; AHMED, S.; IMTEAZ, M.; TARIQ, M. A. U. R.; SHAFIQUZZAMAN, M.; NG, A. W. M.; & AL-ANSARI, N.: ¨Calibration, validation and uncertainty analysis of a SWAT water quality model.¨ Applied Water Science, 14(4), 1-15, 2024, DOI: https://doi.org/10.1007/S13201-024-02138-X/TABLES/9 . Señalar que, en el proceso de la calibración se consideró los 2/3 del período de datos observados de caudales y para la validación se utilizó el 1/3 restante. Teniendo en cuenta los índices de desempeño, se simuló la lluvia completa para el período de 1972 hasta 2023.

Luego de calibrar el modelo para el período de 1973 a 1988, se obtuvieron valores de NSE de 0.79 y PBIAS de -5.69%, lo cual indica un buen rendimiento del modelo y buenas correlaciones de R² con valores superiores a 0.80. En el caso de la validación correspondiente al período de 1989 a 1996, se obtuvo un NSE de 0.75 y un R² de 0.82 aunque el PBIAS mostró un mayor cambio, con un error de -19.22. Sin embargo, estos valores aún se encuentran dentro de los rangos de buen desempeño siendo el proceso calibrado más óptimo que el validado. Los resultados obtenidos del desempeño del modelo SWAT se reflejan en la Tabla 2. Se observa que, el periodo de calibración el caudal simulado aumento el 5.9% en relación al observado, mientras que, en la validación aumento el 23.8%. Por tanto, existe una tendencia de mayor incertidumbre en los caudales simulado para el periodo de validación de 1989 al año 1996.

TABLA 2. Índices de desempeño

Indicadores	Calibración (1973-1988)		Validación (1989 - 1996)
Q observado	29.18	m³/s	27.18	m³/s
Q simulado	30.93	m³/s	33.65	m³/s
NASH	0.79	-	0.75	-
PBIAS	-5.69	%	-19.22	%
R²	0.80	-	0.82	-

En relación a la calibración del modelo SWAT, Marahatta et al. (2021)MARAHATTA, S.; DEVKOTA, L. P.; & ARYAL, D.: ¨Application of SWAT in Hydrological Simulation of Complex Mountainous River Basin¨ (Part I: Model Development). Water 2021, Vol. 13, Page 1546, 13(11), 1546, 2021, DOI: https://doi.org/10.3390/W13111546 logran favorables resultados como NSE de 0.78, PBIAS de -1.46%, mientras que, en su proceso de validación valores de 0.81 y -17.1 de índices de NSE y PBIAS respectivamente, que en comparación a la presente investigación presentó valores similares. Conforme con Colín-García et al. (2023)COLÍN-GARCÍA, G.; PALACIOS-VÉLEZ, E.; FERNÁNDEZ-REYNOSO, D. S.; LÓPEZ-PÉREZ, A.; FLORES-MAGDALENO, H.; ASCENCIO-HERNÁNDEZ, R.; & CANALES-ISLAS, E. I.: ¨Hydrological modeling with the SWAT model using dif ferent spatial distributions of soil type in the Mixteco River Basin.¨ REVISTA TERRA LATINOAMERICANA, 41, 2023, DOI: https://doi.org/10.28940/TERRA.V41I0.1566 ; Xiang et al. (2022)XIANG, X.; AO, T.; XIAO, Q.; LI, X.; ZHOU, L.; CHEN, Y.; BI, Y.; & GUO, J.:¨ Parameter Sensitivity Analysis of SWAT Modeling in the Upper Heihe River Basin Using Four Typical Approaches.¨ Applied Sciences 2022, Vol. 12, Page 9862, 12(19), 9862, 2022, DOI: https://doi.org/10.3390/APP12199862 los valores de NSE y PBIAS pueden alterarse en dependencia de las condiciones de la cuenca hidrográfica y en particular el tipo de suelo.

La Figura 1 muestra el modelo calibrado y validado, donde se observa de forma ajustada la curva del caudal simulado sobre la curva del caudal observado. Ha excepción del año 1975 la existencia de una subestimación del caudal simulado y por el contrario en el año 1984 una sobre predicción.

FIGURA 1. Modelo calibrado y Validado.

Sin embargo, la validación del modelo las curvas del caudal simulado y observado se ajustan eficientemente para el periodo de 1989 al 1997. Posterior a la validación se logró extender en el modelo SWAT la serie histórica de caudales hasta el año 2023. El promedio de los caudales mensuales en cada río analizado permitió diferenciar los periodos secos y húmedos. Al respecto, se identificó la disponibilidad hídrica para fines de consumo humano y de uso agrícola, Figura 2. Se observa que, en el río Angasmarca los caudales medios mensuales oscilan de 0.34 m³/s a 12.39 m³/s para una media anual de 3.8 m³/s.

FIGURA 2. Caudales medios mensuales de los ríos Angasmarca, Huaychaca y Tablachaca.

El periodo húmedo se estableció entre los meses de diciembre hasta abril, destacando marzo como el mes de mayor registro de precipitaciones en la zona. Por otro lado, el periodo seco ocurre en el mes de mayo a noviembre. Esta variabilidad en los caudales refleja la disponibilidad hídrica. Por lo tanto, la disponibilidad hídrica para la población y el riego en las zonas agrícolas en las épocas secas y húmedas, el río satisface las necesidades para el 95% y 75% de probabilidades respectivamente. Por otra parte, en los caudales mensuales del río Huaychaca. Se observa una tendencia hidrológica superior en comparación al río Angasmarca. El análisis de los caudales indica promedios mensuales que oscilan de 1.87 m³/s a 34.51 m³/s. Asimismo, se visualiza una tendencia a la disminución de los caudales que representa la época seca entre el mes de mayo a noviembre y época húmeda de diciembre a abril, lo cual están en correspondencia con la subcuenca del río Angasmarca. Sin embargo, la zona del río Huaychaca presentó superior reserva hídrica para abastecer a la población y agricultura al 95 y 75% respectivamente. Por otro lado, el mes de agosto es acentuado por las escasas precipitaciones que alcanza periodos mínimos en la subcuenca de 1.87 m³/s. Por tanto, la dotación hídrica destinada a usos agrícolas y consumo humano se reduce en 1.23 m³/s y apenas 0,25 m³/s respectivamente. Aunque la producción total es superior a comparación del río Angasmarca, la proporción destinada al consumo humano y otros usos residenciales permanece limitada durante los meses críticos. En particular, se encontró que el río Tablachaca tiene una superior disponibilidad hídrica en relación al río Angasmarca y Huaychaca porque es el río principal de la cuenca con caudales mensuales promedio de 40.81 m³/s. Al igual que los ríos Angasmarca y Huaychaca su periodo húmedo está comprendido de diciembre hasta abril, mientras que el periodo de seco de mayo a noviembre. El mayor caudal que se registró en el mes más húmedo es de 122,7 m³/s mientras que, en el mes más seco es de 5,91 m³/s, cifras considerablemente mayores a la producción de los ríos anteriormente mencionados. Por consecuencia, la evaluación determinó que los recursos hídricos disponibles para uso agrícola y el consumo humano serán evidentemente mayores. Durante el período de mayor precipitación, el caudal destinado a la agricultura alcanza los 60,59 m³/s, mientras que el suministro para consumo humano asciende a 33,25 m³/s. Por otro lado, en la época de menor lluvia, el caudal disponible para riego disminuye a 4,36 m³/s y el correspondiente al uso potable se reduce a 2,41 m³/s. En relación Chen et al. (2024)CHEN, J.; LI, Y.; LUO, W.; YU, L.; ZOU, Z.; WANG, W.; HUANG, S.; TANG, C.; YE, L.; & XIAO, X.: ¨ Modification and testing of SWAT for paddy field water consumption and yield.¨ River, 2024, DOI: https://doi.org/10.1002/rvr2.96 como medidas de ahorro de agua para el riego, realizaron dos escenarios de simulación en el SWAT, que lograron experimentar una reducción del 6,58% en el uso neto del agua para riego.

El análisis del índice de escases teniendo en cuenta la demanda hídrica y la oferta hídrica según (IDEAM, 2004IDEAM.: ¨Contenido. Informe Anual Sobre El Estado Del Medio Ambiente y Los Recursos Naturales Renovables En Colombia¨,2004.) donde clasifica el índice en bajo (<10%), moderado (10% a 20%), medio (20 a 40%) y alto (>40%). En base a la clasificación, se determinó el indice de escases de forma mensual en la subcuenca del río Angasmarca y presentó valores que oscilaron de 55% a 79%, mientras que la subcuenca del río Huaychaca 57% a 79% y por último la cuenca del río Tablachaca con 81% a 116%. En general, la cuenca del río Tablachaca alcanzó un índice de escases superior al 100%. Todo ello, implica que la demanda superó la oferta disponible, debiendo en estos casos, las autoridades redefinir nuevas medidas para la gestión de los recursos hídricos producto a sus limitaciones. Sin embargo, Liao (2024)LIAO, R.: ¨ Water scarcity assessment index from the realistic perspective of human basic water requirements.¨ Environmental and Sustainability Indicators, 22, 100404,2024, DOI: https://doi.org/10.1016/J.INDIC.2024.100404 plantea la necesidad que identificar los índices de escasez de agua desde la perspectiva de agua para los seres humanos, de igual modo profundizar en las variables que implicadas en la agricultura.

Conclusiones

⌅

Se aplicó satisfactoriamente el modelo hidrológico SWAT en la cuenca del río Tablachaca, integrando la distribución espacial de tipo suelo, información climática e hidrométrica. La calibración mostró un buen desempeño del modelo con un NSE de 0.79 y un PBIAS de -5.69%. Así mismo la validación confirmó su eficacia con un NSE de 0,75 y un PBIAS de -19,22%, siendo la calibración la fase más óptima.
El análisis temporal reveló un aumento en la producción de caudales entre diciembre hasta abril que constituye el periodo húmedo, seguido de una disminución notable desde mayo hasta noviembre, correspondiente al periodo de seco.
La disponibilidad hídrica total de la cuenca destinada al uso agrícola fue de 40,67 m³/s mientras que, para el consumo humano se dispuso de 23.29 m³/s con probabilidades del 75% y 95% respectivamente.
El río Tablachaca presentó la mayor disponibilidad hídrica dentro de la cuenca estudiada. Para fines de uso agrícola se observó un caudal máximo de 60.59 m³/s y mínimo de 4.36 m³/s. Mientras que para el consumo humano se registró un caudal máximo de 33.25 m³/s y mínimo de 2.41 m³/s respectivamente. No obstante, los ríos Angasmarca y Huaychaca mostraron una disponibilidad limitada, especialmente en el periodo de seco con caudales aproximados a cero.
Se identifica que el rendimiento del modelo de simulación se puede perfeccionar utilizando datos de precipitaciones satelitales porque la sensibilidad e incertidumbre de los parámetros respecto a las diferentes entradas de precipitaciones puede reflejar variación del rendimiento en relación a un conjunto de datos de múltiples fuentes.
Como elementos fundamentales para futuras investigaciones se recomendaría interrelacionar los modelos físicos numéricos con la ciencia de la inteligencia artificial de forma armónica para estimar con mayor exactitud las reservas hídricas de la cuenca. Sugiriendo la necesidad de infraestructuras hidráulicas como embalses para asegurar el suministro de agua durante las épocas de escasez y contribuir a la regulación del ciclo hidrológicos.