Evolución del paisaje mediante modelo de formación de suelo

IV Jornadas de Ingeniería del Agua
La precipitación y los procesos erosivos
Córdoba, 21 y 22 de Octubre 2015
Evolución del paisaje mediante modelo
de formación de suelo aplicado a áreas Mediterráneas
A. Román Sánchez1, J.V. Giráldez1,2 y T. Vanwalleghem1
1
Universidad de Córdoba, Departamento de Agronomía, Córdoba, España
([email protected]).
2
Instituto de Agricultura Sostenible. CSIC, Alameda del Obispo s / n, CP 14004 Córdoba,
España
1. Introducción
La formación del suelo depende de varios factores, de los cuales la hidrología y el relieve
controlan especialmente su distribución espacial en una cuenca. A pesar del gran esfuerzo
dedicado a estos procesos, se sabe poco acerca de la relación cuantitativa entre los procesos
geomorfológicos y la formación del suelo, sobre todo a largo plazo. Este trabajo presenta los
resultados preliminares de un estudio más amplio sobre los procesos de formación de suelo
en Sierra Morena, Parque Natural Sierra de Cardeña y Montoro, SE de España. La figura 1
muestra la ubicación de la zona de estudio con las calicatas a lo largo de una típica catena.
Los suelos formados sobre granito muestran considerables diferencias, se encuentran
parcialmente descompuestos y en fase de desarrollo, dependiendo de la posición en la
catena.
Figura 1. Localización del área de estudio y esquema
de las calicatas
1
2
3
M.16.
Los modelos de formación de suelo abarcan desde esquemas sencillos a escala de cuenca
basados en un balance de masa, como MILESD (Vanwalleghem et al., 2013), a sistemas
complejos a escala puntual que incluyen la dinámica de los procesos de agua en el suelo y de
los solutos que muestran la variación de la composición química, SoilGen (Finke et al., 2013).
Mientras que estos últimos han descrito con éxito el desarrollo del perfil del suelo, exigen un
gran esfuerzo de cálculo por lo que su aplicación es más limitada que las de los primeros.
Por lo tanto, este estudio propone un modelo sencillo de evolución del suelo a largo plazo
basado en un balance de agua. El modelo utiliza como datos de entrada temperatura y
precipitaciones diarias. Por lo general se dispone de buenos datos paleoclimáticos.
Los objetivos de este trabajo son: (i) analizar y generar datos de entrada paleoclimáticos
diarios durante los últimos 25,000 años (ii) evaluar las tendencias en la humedad del suelo y
la percolación profunda y relacionarlas con los procesos formadores a lo largo de una
catena.
2. Materiales y Métodos
2.1 Calibración con datos diarios
Los datos disponibles diarios de precipitación, temperaturas máximas, promedio y
temperaturas mínimas tomados de la estación meteorológica de Córdoba (AEMET: 19592011) fueron utilizados para la calibración del generador de clima.
Figura 2. Calibración de los parámetros de entrada para la generación del paleoclima. P (w / w) y P
(w / d) destacan, respectivamente, por la probabilidad de que un día de lluvia se produzca ya sea tras
otro día lluvioso o tras un día no lluvioso.
M.16.
2.2 Generación de datos paleoclimáticos
Originalmente, un enfoque Monte Carlo aleatorio fue probado para la generación de
temperatura y precipitaciones, basado en sus respectivas funciones de distribución de
probabilidad según lo sugerido por Laio et al. (2001). Sin embargo, los problemas con la
distorsión del ángulo de fase entre los datos de precipitación y temperatura recomienda la
adopción de un esquema de Markov sugerido por Matalas (1967), y se incorporan por
Richardson en su modelo WGEN (1981). La aplicabilidad de este modelo ha sido probado por
varios autores (por ejemplo Semenov et al., 1998). El modelo WGEN calibrado para Córdoba,
se acopló con anomalías de precipitación y temperatura presentados por Combourieu
Nebout et al. (2009) por un período de 25 000 años en base a los registros de polen marinos
(Figura 3). El modelo combinado se aplicó a la reconstrucción de la temperatura diaria y
precipitaciones.
Figura 3. Anomalías de temperatura y precipitación anuales para un período 25.000 años.
2.2.1 Estimación de la evapotranspiración potencial
Para completar el balance hídrico, la intensidad de evapotranspiración, ep, para la cuenca de
estudio fue estimada con el modelo de Hargreaves (Hargreaves y Samani 1985). La
evapotranspiración potencial sigue una tendencia sinusoidal.
2.2.2 Modelo de balace hídrico en el suelo
La evolución de la humedad del suelo se describe con un modelo simple basado en el
esquema de Thornthwaite y Mather (Steenhuis y van der Molen, 1986) para la estimación de
la intensidad de evaporación real del agua del suelo, y el tratamiento de los procesos de
infiltración y percolación propuesto por Brocca et al. (2008). En este último modelo, la
intensidad de infiltración, f(t), (5) es igual a la de la lluvia corregida por un coeficiente
M.16.
dependiente de la humedad del perfil, W (t), (3), normalizada por su valor máximo, Wmax o
cc, con un exponente m que indica la no linealidad del proceso. La intensidad de
percolación, g (t), (4) es equivalente al valor de la conductividad hidráulica para el contenido
de humedad actual, ks, asumiendo un gradiente hidráulico unitario, y el uso de la función
exponencial Brooks y Corey.
La intensidad de evaporación real, ev, es, después de la corrección de ep con un factor, cu,
ev=ep·cu [1]
La pérdida de agua por evapotranspiración se evalúa substituyendo al tiempo por el valor
acumulado de pérdida de agua en el perfil, Ph(t),
Ph(t )  Ph(t  t )  ev  p
[2]
la cantidad de W(t) en a capa de suelo viene dada por acumulada.
[3]
𝑊 𝑡 = 𝜃 𝑡 − 𝜃𝑟 ∗ 𝐿
La intensidad de percolación es
𝑊(𝑡)
𝑔 𝑡 = 𝑘𝑠
𝑊𝑚𝑎𝑥
2
3+
𝑙𝑎𝑚𝑏𝑑𝑎
[4]
Por último, se incluye una intensidad de infiltración
𝑓(𝑡) = 𝑝 𝑡
1−
𝑊(𝑡)
𝑊𝑚𝑎𝑥
𝑚
[5]
Para incluir el efecto del relieve en los perfiles a lo largo de la cadena, (1) meseta, (2) laderas
y (3) fondo del valle, los perfiles están vinculados mediante la transferencia de la escorrentía
(q), desde el perfil más elevado al menos.
2.3 Calibración con escorrentía observada
Se adoptaron datos históricos de escorrentía del servicio automático de información
hidrológica, SAIH, de la Confederación Hidrográfica del Guadalquivir (1989-2011) para la
calibración del modelo (figura 4).
M.16.
Figura 4. La calibración del modelo con datos de escorrentía observadas a lo largo de años
naturales (enero-diciembre)
La figura 4 muestra cómo los valores máximos de lluvia inducen rápidamente máximos de
escorrentía, una vez que el suelo ha almacenado suficiente agua, y se han llenado las
depresiones superficiales. La interceptación y la retención del agua por la vegetación y por la
superficie en pozas naturales, reduce la influencia la contribución de la cuenca a la descarga
en el medidor de la escorrentía.
3. Resultados
3.1. Balance de agua
La Figura 5 muestra el balance de agua en uno de los tres perfiles, en este caso el perfil 1 en
la meseta.
Figura 5. Balance de agua en el perfil 1, en la meseta
M.16.
La relación entre la humedad del perfil del suelo, W (t), la escorrentía (q), precipitación (p) y
la evaporación potencial (ep) durante un año modelo se representa en la Figura 5.
La humedad del suelo almacenada alcanza su valor máximo, 100 mm en este caso, durante
los meses de invierno. Después de los primeros eventos de invierno suele haber un período
de lluvia baja, pero desaparece después de unas semanas. Los chubascos más frecuentes
ocurreen en primavera y otoño. En verano pueden aparecer algunas lluvias de origen
convectivo propiciadas por la elevación de la cuenca. Hay una gran tendencia estacional,
como es de esperar en el clima mediterráneo, con valores mínimos en verano.
Durante la estación lluviosa de invierno, se generan grandes volúmenes de escorrentía y
percolación. La percolación acumulada calculada en un año natural aparece en la figura 6.
Figura 6. Perfil 1, 2 y 3, percolación acumulada durante todo el año.
Existe una relación evidente entre la profundidad de cada perfil, su elevación, y el volumen
de percolación. El perfil de meseta es más desarrollado que el perfil de laderas y el valle.
Los resultados del modelo están orientados para calcular el balance hídrico a escala de
paisaje, las figuras 7 y 8, representan el contenido medio de humedad del suelo y la
velocidad de infiltración en la cuenca. Las zonas claras indican un mayor contenido medio de
humedad así como intensidades de infiltración elevadas en los valles y arroyos, en donde los
materiales acumulados son de mayor tamaño, y con ellos los de los poros, lo que coincide
con las observaciones de campo.
M.16.
Average soil moisture
High : 16.7618
Low : 0
Figura 7. Promedio de la humedad del suelo en la cuenca
Infiltration
High : 16.888
Low : 0
Figura 8. Tasas de infiltración en la cuenca. Los valores más altos corresponden a la meseta y los
cursos de agua
4. Conclusiones
Un modelo sencillo sirve para describir las fluctuaciones estacionales del balance hídrico,
que se cree controlan la formación del suelo en las regiones mediterráneas. El trabajo
futuro se centrará en introducir los parámetros que tienen influencia en la formación del
suelo.
M.16.
Agradecimientos
Este estudio fue financiado por el proyecto de investigación AGL2012-40128-C03-02.
Andrea Román Sánchez reconoce financiación por el Programa de Ayudas predoctorales
del Ministerio de Economía y Ciencia español. Tom Vanwalleghem reconoce financiación
por el Programa de Ayudas Ramón y Cajal del Ministerio de Economía y Ciencia español.
Referencias
Brocca L., Melone F., Moramarco T. 2008. On the estimation of antecedent wetness conditions
in rainfall–runoff modelling. Hydrological Processes 22, 629-642.
Combourieu-Nebout, N., Peyron, O., Dormoy, I., Desprat, S., Beaudouin, C., Kotthoff, U.,
Marret, F. 2009. Rapid climatic variability in the west Mediterranean during the last 25 000
years from high resolution pollen data. EGU. Climate of the Past 5: 503-521.
Finke P.A., Vanwalleghem T., Opolot E., Poesen J., Deckers J. 2013. Estimating the effect of tree
uprooting on variation of soil horizon depth by confronting pedogenetic simulations to
measurements in a Belgian loess area. Journal of Geophysical Research, Earth Surface.
118:2124-2139.
Hargreaves, G.H., Samani, Z.A., 1985. Reference crop evapotranspiration from temperature.
Applied Enineering. Agriculture, 1: 96-99.
Laio F., Porporato A., Ridolfi L., Rodriguez-Iturbe I. 2001. Plants in water-controlled
ecosystems:active role in hydrologic processes and response to water stress. II Probabilistic soil
moisture dynamics. Advances in Water Resources, 24:707-723.
Matalas, N.C. 1967. Mathematical assessment of synthetic hydrology. Water Resources
Research. 3:937, 945.
Richardson, C.W. 1981. Stochastic simulation of daily precipitation, temperature, and solar
radiation. Water Resources Research. 17:182-190.
Semenov, M.A., Brooks, R.J., Barrow, E.I., Richardson, C. W. 1998. Comparison of the WGEN
and LARS-WG stochastic weather generators for diverse climates. Climate Research. 10:95-107.
Steenhuis, T.S, van der Molen, W.H. 1986. The Thornthwaite-Mather procedure as a simple
engineering method to predict recharge. Journal of Hydrology. 84:221-229.
Vanwalleghem, T., Stockmann U, Minasny B. and McBratney A.B. 2013 A quantitative model
for integrating landscape evolution and soil formation. Journal of Geophysical Research, Earth
Surface 118:331-347.
M.16.