La aplicación de técnicas espaciales por la hidrología ambiental

127 Pages·2013·5.95 MB·English

La aplicación de técnicas espaciales 
por la hidrología ambiental 
Spatial techniques applied to environmental 
hydrology 

Editores 
Juan Antonio Pascual Aguilar 
Juana Sanz 
Irene de Bustamante 

CENTROPARA EL CONOCIMIENTO DEL PAISAJE

Serie: Cuadernos de Geomática 
1. La aplicación de técnicas espaciales por la hidrología ambiental 
Series: Notes on Geomatics 
1. Spatial techniques applied to environmental hydrology 

Instituto Madrileño de Estudios Avanzados‐Agua 
Fundación IMDEA‐AGUA, c/ Punto net, edificio Zye, 2º Planta, 28805 Alcalá de 
Henares, Madrid 

Centro para el Conocimiento del Paisaje 
Calle Rocha del Cine 41, 12415 Matet, Castellón 

Centro de Investigaciones sobre Desertificación (CSIC‐UV‐ES) 
Carretera de Moncada a Náquera km 4,5 

Alcalá de Henares 
2013 

ISBN: 978‐84‐695‐6936‐8
(cid:3)
PREFACIO 
A lo largo de 2012 se realizó en la sede de la Fundación IMDEA‐
AGUA un ciclo de seminarios sobre la aplicación práctica de la 
Geomática.  Se  trata  de  una  iniciativa  con  ambición  de 
continuidad que pretende dar a conocer la gran variedad de 
técnicas  espaciales  existentes  y  su  instrumentalización 
específica en estudios cuyo principal foco de interés son los 
recursos hídricos. 
La presente publicación es el número 1 de la serie denominada 
Cuadernos de Geomática. Bajo el título de “La aplicación de 
técnicas espaciales por la hidrología ambiental” se recogen en 
ella cinco  capítulos que presentan varias aplicaciones de las 
nuevas tecnologías espaciales, cuyas principales características 
son: 
Capítulo 1. Desarrollo de un procedimiento automatizado para 
el  cálculo  de  la  huella  hídrica,  teniendo  en  cuenta  la 
variabilidad geográfica de sus componentes. 
Capítulo  2:  Utilización  de  lo  Sistemas  de  Información 
Geográfica en el análisis espacial y temporal de los cambios de 
usos del suelo y su influencia en los balances hídricos. 
Capítulo  3:  Aplicación  metodológica  para  la  evaluación  de 
aguas subterráneas, basado en tres componentes espaciales: 
estudio de la recarga del acuífero, análisis de las fuentes de 
contaminación  y  análisis  de  vulnerabilidad  intrínseca  de  la 
masa de agua subterránea. 
Capítulo 4: Valoración de la situación actual y necesidades 
futuras  de  incorporación  de  los  recursos  geomáticos  en  la 
gestión territorial, tomando como caso de estudio los espacios 
protegidos de Cuba. 
Capítulo  5:  Utilización  de  la  teledetección  satelital  para  la 
obtención  indirecta  de  la  evapotranspiración.  El  estudio  se 
basa  en  valoraciones  empíricas  y  en  el  desarrollo  de 
formulación utilizando el método del Triángulo. 

i
Índice temático 

Título y autores  Página 
CWUModel: a water balance model to estimate 
the water footprint in the Duero river basin 
Ángel de Miguel, Malaak Kallache, Eloy García‐Calvo  1 
A  methodology  to  assess  long  term  effect  of 
land  use  change  on  annual  runoff  and 
infiltration  rates  in  semi‐arid  areas.  An 
application to Mar Menor catchment (Spain) 
Carlos Dionisio Pérez Blanco, Christophe Viavattene, 
Carlos Mario Gómez Gómez  37 
Utilización  de  SIG  para  la  caracterización  y 
gestión de las aguas subterráneas 
Virtudes Martínez, Raúl Nogueras, Irene de 
Bustamante, José Antonio Iglesias  57 
Integración  de  los  recursos  geomáticos  en  la 
gestión  de  espacios  protegidos  de  Cuba. 
Realidades y perspectivas 
José Luis Corvea Porras, José Manuel Guzmán 
Menéndez, Maritza García García  73 
Aplicaciones de la teledetección en hidrología: 
estimación de la evapotranspiración mediante 
el método del triángulo 

Alberto de Tomás, Héctor Nieto, Radoslaw Guzinski, 
Inge Sandholt, Pedro Berliner  103 
Autores para correspondencia   

ii
Índice de autores 

Autor  Afiliación 
Berliner, Pedro  Instituto IMDEA Agua, C/ Punto Net, 4, 
2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain 
Bustamante  Dpto. Geología, Edificio de Ciencias. 
Gutiérrez, Irene de  Campus Externo. Universidad de Alcalá. 
28871, Alcalá de Henares, Madrid, 
Spain 

Instituto IMDEA Agua, C/ Punto Net, 4, 
2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain 
Corvea Porras, José  Instituto IMDEA Agua, C/ Punto Net, 4, 
Luis  2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain 
[email protected]
García‐Calvo, Eloy  Unidad docente de Química Analítica e 
Ingeniería Química. Edificio Polivalente. 
Campus Externo. Universidad de Alcalá. 
28871, Alcalá de Henares, Madrid, 
Spain 

Instituto IMDEA Agua, C/ Punto Net, 4, 
2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain 
García García,  Centro Nacional de Áreas Protegidas. 
Maritza  Calle 18 A, No. 4114, e/ 41 y 47. Playa, 
10800. La Habana. Cuba 
Gómez Gómez,  Dpto. Economía, Plaza de la Victoria, 2, 
Carlos Mario  Universidad de Alcalá, 28802, Alcalá de 
Henares, Madrid, Spain 

Instituto IMDEA Agua, C/ Punto Net, 4, 
2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain  
Guzinski, Radoslaw  Copenhagen University, Øster Voldgade 
10, 1350 Copenhagen K, Denmark 
iii
Guzmán Menéndez,  Centro Nacional de Biodiversidad. 
José Manuel  Instituto de Ecología y Sistemática. 
Crta. de Varona km 31/2 Capdevila, 
Boyeros, 10800. La Habana. Cuba
Iglesias, José  Canal de Isabel II, C/ Santa Engracia, 
Antonio  125, 28003, Madrid, Spain 
Kallache, Malaak   Instituto IMDEA Agua, C/ Punto Net, 4, 
2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain 
Pérez Blanco, Carlos  Instituto IMDEA Agua, C/ Punto Net, 4, 
Dionisio  2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain 
[email protected]
Martínez  Instituto IMDEA Agua, C/ Punto Net, 4, 
Hernández, Virtudes  2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain 
[email protected]
Miguel García, Ángel  Instituto IMDEA Agua, C/ Punto Net, 4, 
de  2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain 
[email protected]
Nieto, Héctor  Copenhagen University, Øster Voldgade 
10, 1350 Copenhagen K, Denmark 
Nogueras, Raúl  IMDEA Water Foundation, c/ Punto net, 
edificio Zye, 2º Planta, Alcalá de 
Henares, 28805, Spain 

Canal de Isabel II. Calle Santa Engracia 
125. 28003. Madrid 
Sandholt, Inge  Copenhagen University, Øster Voldgade 
10, 1350 Copenhagen K, Denmark 
Tomás Calero,  Instituto IMDEA Agua, C/ Punto Net, 4, 
Alberto de  2º piso, edificio ZYE, 28805, Alcalá de 
Henares, Madrid, Spain 
[email protected]
Viavattene,  Flood Hazard Research Center (FHRC), 
Christophe  Middlesex University. Middlesex 
University Trent Park campus, Bramley 
Road, N14 4YZ, London, United 
Kingdom                     
[email protected]
iv
CWUModel: a water balance model to estimate the
water footprint in the Duero river basin

Ángel de Miguela, Malaak Kallachea, Eloy García-Calvoa,b
aIMDEA Water Foundation, c/ Punto net, edificio Zye, 2º Planta, Alcalá de
Henares, 28805, Spain
bUniversidad de Alcalá de Henares. Plaza de la Victoria, 2. 28802 Alcalá de
Henares, Madrid (Spain).

Abstract
The(cid:3)aim(cid:3)of(cid:3)this(cid:3)paper(cid:3)is(cid:3)to(cid:3)present(cid:3)a(cid:3)crop(cid:3)water(cid:3)use(cid:3)model(cid:3)(CWUModel),(cid:3)which(cid:3)
computes(cid:3)the(cid:3)Water(cid:3)Footprint(cid:3)of(cid:3)agriculture(cid:3)in(cid:3)the(cid:3)Duero(cid:3)river(cid:3)basin(cid:3)in(cid:3)Spain.(cid:3)This(cid:3)
model(cid:3)allows(cid:3)for(cid:3)the(cid:3)determination(cid:3)of(cid:3)daily(cid:3)water(cid:3)balances(cid:3)in(cid:3)a(cid:3)geospatial(cid:3)context.(cid:3)It(cid:3)
also(cid:3) distinguishes(cid:3) between(cid:3) green(cid:3) water(cid:3) and(cid:3) blue(cid:3) water(cid:3) in(cid:3) order(cid:3) to(cid:3) estimate(cid:3)
agricultural(cid:3)water(cid:3)needs.(cid:3)Unlike(cid:3)other(cid:3)global(cid:3)models,(cid:3)its(cid:3)scale(cid:3)is(cid:3)smaller(cid:3)than(cid:3)1(cid:3)km,(cid:3)
which(cid:3)affects(cid:3)the(cid:3)accuracy(cid:3)of(cid:3)the(cid:3)results.(cid:3)In(cid:3)addition,(cid:3)its(cid:3)development(cid:3)has(cid:3)also(cid:3)
required(cid:3)(i)(cid:3)the(cid:3)design(cid:3)of(cid:3)a(cid:3)crop(cid:3)location(cid:3)map(cid:3)in(cid:3)the(cid:3)Duero(cid:3)basin(cid:3)(created(cid:3)from(cid:3)a(cid:3)land(cid:3)
use(cid:3)map(cid:3)and(cid:3)statistical(cid:3)information)(cid:3)and(cid:3)(ii)(cid:3)the(cid:3)construction(cid:3)of(cid:3)a(cid:3)stochastic(cid:3)model(cid:3)to(cid:3)
generate(cid:3)daily(cid:3)precipitation(cid:3)data,(cid:3)which(cid:3)is(cid:3)based(cid:3)on(cid:3)climate(cid:3)information(cid:3)from(cid:3)the(cid:3)
basin.(cid:3)The(cid:3)CWUmodel(cid:3)has(cid:3)been(cid:3)applied(cid:3)for(cid:3)the(cid:3)calculation(cid:3)of(cid:3)the(cid:3)Water(cid:3)Footprint(cid:3)
(WF)(cid:3)of(cid:3)cereals(cid:3)in(cid:3)the(cid:3)Duero(cid:3)basin(cid:3)and(cid:3)it(cid:3)will(cid:3)be(cid:3)extended(cid:3)to(cid:3)all(cid:3)cultivated(cid:3)crops(cid:3)in(cid:3)
this(cid:3)region.(cid:3)
Cereal(cid:3)water(cid:3)consumption(cid:3)in(cid:3)the(cid:3)Duero(cid:3)basin(cid:3)is(cid:3)4,984million(cid:3)cubic(cid:3)meters(cid:3)per(cid:3)
year(cid:3)(Mm3/yr),(cid:3)of(cid:3)which(cid:3)89%(cid:3)of(cid:3)the(cid:3)water(cid:3)corresponds(cid:3)to(cid:3)green(cid:3)water(cid:3)and(cid:3)11%(cid:3)to(cid:3)
blue(cid:3)water.(cid:3)Barley(cid:3)is(cid:3)the(cid:3)main(cid:3)consumer(cid:3)of(cid:3)water(cid:3)in(cid:3)the(cid:3)basin,(cid:3)with(cid:3)2,410Mm3/yr,(cid:3)
followed(cid:3)by(cid:3)wheat(cid:3)with(cid:3)1,612(cid:3)Mm3/yr.(cid:3)Oat(cid:3)is(cid:3)the(cid:3)main(cid:3)consumer(cid:3)per(cid:3)unit(cid:3)of(cid:3)product,(cid:3)
1,501(cid:3)m3/ton(cid:3)(94%(cid:3)green,(cid:3)6%(cid:3)blue),(cid:3)while(cid:3)maize(cid:3)is(cid:3)the(cid:3)main(cid:3)consumer(cid:3)of(cid:3)blue(cid:3)water,(cid:3)
668(cid:3)m3/ton(cid:3)(38(cid:3)%(cid:3)green,(cid:3)62%(cid:3)blue).Hydraulics(cid:3)and(cid:3)soil(cid:3)variables(cid:3)play(cid:3)a(cid:3)key(cid:3)role(cid:3)in(cid:3)
simulating(cid:3)the(cid:3)water(cid:3)balance.(cid:3)
Therefore(cid:3)we(cid:3)ran(cid:3)the(cid:3)model(cid:3)using(cid:3)three(cid:3)different(cid:3)criteria(cid:3)of(cid:3)water(cid:3)capacity(cid:3)of(cid:3)the(cid:3)
soil.(cid:3)The(cid:3)results(cid:3)show(cid:3)that(cid:3)the(cid:3)overall(cid:3)WF(cid:3)is(cid:3)very(cid:3)similar(cid:3)in(cid:3)all(cid:3)three(cid:3)scenarios,(cid:3)with(cid:3)a(cid:3)
variation(cid:3)less(cid:3)than(cid:3)6%.(cid:3)Nevertheless,(cid:3)these(cid:3)differences(cid:3)increase(cid:3)when(cid:3)comparing(cid:3)the(cid:3)
type(cid:3)of(cid:3)water,(cid:3)reaching(cid:3)differences(cid:3)of(cid:3)17%(cid:3)for(cid:3)blue(cid:3)water,(cid:3)and(cid:3)8%(cid:3)in(cid:3)the(cid:3)case(cid:3)of(cid:3)green(cid:3)
water.(cid:3)The(cid:3)study(cid:3)shows(cid:3)that(cid:3)the(cid:3)CWUmodel(cid:3)is(cid:3)a(cid:3)useful(cid:3)tool(cid:3)to(cid:3)estimate(cid:3)the(cid:3)water(cid:3)
requirements(cid:3)of(cid:3)crops(cid:3)at(cid:3)regional(cid:3)level,(cid:3)because(cid:3)the(cid:3)use(cid:3)of(cid:3)local(cid:3)information(cid:3)as(cid:3)input(cid:3)
in(cid:3)the(cid:3)water(cid:3)balance.(cid:3)Future(cid:3)studies(cid:3)will(cid:3)be(cid:3)focused(cid:3)on(cid:3)the(cid:3)calculation(cid:3)the(cid:3)overall(cid:3)
water(cid:3)footprint(cid:3)of(cid:3)the(cid:3)Duero(cid:3)river(cid:3)basin,(cid:3)including(cid:3)the(cid:3)grey(cid:3)water(cid:3)footprint(cid:3)in(cid:3)the(cid:3)
analysis.(cid:3)
Keywords:(cid:3)water(cid:3)footprint,(cid:3)crop(cid:3)water(cid:3)use,(cid:3)water(cid:3)balance,(cid:3)crop(cid:3)demand(cid:3)
2/ A. de Miguel, M. Kallache, E. García-Calvo
1 Introduction
Worldwide, agriculture accounts for over 70% of blue water consumption (FAO,
2011). The anticipated future increase in global population, from 6.1 billion people in
2000 to 8.9 billion by 2050 (UN, 2004), entails the increase of agricultural production.
It is estimated that by 2030 50% more food has to be produced, and twice the current
amount of food by 2050. However, this increase in food production should be carried
out with the least amount of water needed, mainly due to increases in urban and
industrial water consumption and possible consequences of climate change (Parris,
2010). According to Holden (2007), it will be necessary to increase the water needed
for food production from the current 7.000 km3 to 9.000-11.000 km3 by 2050.
Spain is no exception, water consumption is strongly geared towards the
agricultural sector (INE, 2008), and the rate of exploitation of renewable resources
exceeds 30% (EUROSTAT, 2011). In the past 20 years, the irrigated area has raised
to 20% (MARM, 2010), causing a large increase in water demand. This makes Spain
the country with the largest irrigated area in Europe, with nearly one third of the total
European irrigated area (Lopez-Gunn et al., 2012). Nevertheless, Spain remains a
net importer of virtual water, with more than 25,000 million m3 per year, mainly
associated with the import of cereals and industrial crops such as soybeans or cotton
(Garrido et al., 2010). But more and more criticism arises against the agriculture
sector remaining the centre stage (Lopez-Gunn et al., 2012). The old paradigm "more
crops and jobs per drop" is shifting towards “more cash and nature per drop" (Aldaya
et al., 2010). Determining the current and future water demands will help to implement
sustainable policies for water resources management.
Water use at a national level has traditionally been measured by indicators such
as water withdrawal, which only considers the total freshwater used by a country in its
production system. The use of indicators such as the Water Footprint (WF) allows us
to analyse not only the impacts generated at the national level, but all those
associated with the consumption of goods produced abroad (Hoekstra and
Chapagain, 2008). This multidimensional indicator distinguishes also between blue
water (surface and groundwater) and green water (water from rain accumulated in the
soil).It is furthermore possible to quantify the impact of pollution by calculating the