Evaluación de un Modelo Hidrológico Semi Distribuido para la Estimación de la Escorrentía de Deshielo en el Río Juncal

La modelación hidrológica actualmente está siendo usada como una herramienta para estudiar cómo los escenarios climáticos futuros impactan en los recursos hídricos. En Chile, uno de los modelos que más se ha usado es WEAP, un modelo conceptual que incluye un algoritmo de nieves simple, el cual ha sido utilizado exitosamente para modelar cuencas de régimen nival o nivo-pluvial. El objetivo principal de este trabajo es estudiar los procesos que ocurren dentro de una cuenca de alta montaña utilizando WEAP. La cuenca elegida fue la del río Juncal, afluente del río Aconcagua. Con una elevación media cercana a los 3500 msnm y una altura máxima de 5900 msnm, esta cuenca representa un interesante caso de estudio para evaluar la eficiencia de WEAP al modelar nieves y escorrentía de cuencas en las que el caudal corresponde en casi su totalidad a deshielos. El modelo se calibró a escala mensual y diaria. Los resultados muestran un buen ajuste tanto del caudal como de la cobertura nival observada al compararla con imágenes satelitales MODIS. Se tuvieron problemas de modelación a años correspondientes a episodios Niño cálidos, en los que el modelo sobreestimó el volumen de deshielo y para ciertos años secos en que éste fue subestimado. Los escenarios climáticos de 1, 2, 5 y 10°C de aumento de temperatura muestran un adelantamiento de los caudales de deshielo (3 meses de adelanto en el caudal peak para el escenario más desfavorable) y un leve aumento de los caudales de invierno para los primeros dos escenarios, mientras que para 5 y 10°C se obtuvo un importante aumento de la escorrentía durante el invierno y una fuerte reducción del porcentaje de la cuenca cubierto de nieve durante el año. Los escenarios de una reducción de un 10, 20 y 50% en la precipitación no tienen mayor efecto sobre la distribución de los caudales durante el año, pero sí en la magnitud de estos durante la temporada de deshielo, reduciéndose en porcentajes acordes a la diminución de la precipitación. Respecto a los procesos que ocurren dentro de la cuenca, según los resultados del modelo, el caudal de deshielo es generado por un derretimiento de la nieve y un consecuente aumento de la humedad del suelo en cada banda de elevación, partiendo por las más bajas en septiembre y llegando a las más altas en enero. El momento de máxima humedad del suelo se da en Diciembre, mes que coincide con el máximo caudal, mientras que la mínima humedad se da en el mes de Julio, coincidiendo con el mínimo caudal observado. El máximo de cobertura nival se da en el mes de Agosto y el mínimo en el mes de Marzo. Se analizó también el comportamiento de la humedad del suelo y la cobertura nival en un año seco. De dicho análisis, se desprende que la humedad del suelo es significativamente menor en las zonas bajas de la cuenca que en un año normal, pero en la zona alta no presenta mayores diferencias; adicionalmente la cobertura nival llega a sus mínimos 3 meses antes que en un año normal lo que probablemente incide en un mayor aporte del glaciar al caudal durante estos años debido a su mayor exposición. Sin embargo, el modelo no simula bien el derretimiento proveniente de glaciares en la zona debido a que no toma en consideración los procesos de transporte de nieve y hielo que ocurren dentro de la cuenca, pero sí logra identificar estos glaciares, mostrando una acumulación positiva de nieve año tras año en las bandas glaciarizadas, la cual se va acumulando indefinidamente hasta el fin de la modelación. Se realizaron además análisis estadísticos con los datos observados y simulados para estudiar la dependencia del caudal mínimo observado todos los años, encontrándose correlaciones estadísticamente significativas a un nivel del 99% entre el caudal mínimo y la precipitación ocurrida el año anterior, además del caudal máximo ocurrido en la temporada de deshielos anterior. Se obtuvo también que no existe una correlación significativa entre la precipitación caída y el caudal mínimo de la misma temporada. El modelo reproduce las correlaciones en los datos simulados