Abstract
En la cuenca alta del río Medellín (Colombia) se realizó un estudio hidrológico con el fin de analizar las relaciones lluvia-escorrentía a escala de eventos en esta zona, para la estimación del régimen de caudales máximos asociados a diferentes períodos de retorno en la cuenca del río y subcuencas tributarias, mediante modelación hidrológica que considere la existencia de cambio climático. Este estudio está compuesto por la caracterización de la cuenca de la zona de estudio, así como la caracterización hidrológica, la cual abarca el análisis de datos medidos con alta resolución temporal de precipitación y niveles del río. Se tienen en cuenta también diferentes métodos para la obtención de la información necesaria para la correcta ejecución de actividades de modelación hidrológica semidistribuida, utilizando el software HEC-HMS. El modelo fue calibrado simulando 5 eventos máximos de caudal del año 2021, y luego ejecutado con distintas configuraciones de condición de humedad antecedente, modelos lluvia-escorrentía y la consideración de condiciones estacionarias y no estacionarias (en la precipitación), estas últimas con el fin de evaluar potenciales efectos debido al cambio climático. Según los resultados las diferencias relativas que hay entre los casos estacionarios y no estacionarios (estos últimos siendo usados como proxy para condiciones de cambio climático), en promedio no son tan significativas, habiendo diferencias porcentuales de entre 3-5% entre los casos considerados, obteniendo en este caso magnitudes mayores en los casos no estacionarios.
Reference23 articles.
1. Pachauri RK, Allen MR, Barros VR et al. Climate change 2014 synthesis report. contribution of working groups I, II, and III to the fifth assessment report of the Intergovernmental Panel on Climate Change. IPCC, Geneva, Switzerland. 2014. Available at: https://research-repository.uwa.edu.au/en/publications/climate-change-2014-synthesis-report-contribution-of-working-grou
2. Salas JD, Obeysekera J. Revisiting the concepts of return period and risk for nonstationary hydrologic extreme events. Journal of Hydrologic Engineering [Internet]. 2014; 19(3): 554-568. Available at:https://doi.org/10.1061/(ASCE)HE.1943-5584.0
3. Arias PA, Ortega G, Villegas LD, Martínez JA. Colombian climatology in CMIP5/CMIP6 models: Persistent biases and improvements. Revista Facultad de Ingeniería Universidad de Antioquia [Internet]. 2021b; 100: 75-96. Available at: https://www.doi.org/10.17533/udea.redin.20210525
4. Cheng L, and AghaKouchak A. Nonstationary precipitation Intensity-Duration-Frequency Curves for infrastructure design in a changing climate. Scientific Reports [Internet]. 2014; 4(7093): 1-6. Available at. https://doi.org/10.1038/srep07093
5. Parry ML, Canziani OF, Palutikof JP, Van der Linden PJ, Hanson CE. Climate Change 2007: Impacts, Adaptation and Vulnerability. UK. Cambridge University Press, Cambridge [Internet]. 2007. Available at: https://www.ipcc.ch/site/assets/uploads/2018/03/ar4_wg2_full_report.pdf