agua

Artículo

La aplicación de un modelo integrado de SWAT-MODFLOW para evaluar

los impactos potenciales del cambio climático y la extracción de agua en
las interacciones de las aguas subterráneas y superficiales en el centro
oeste de Alberta

David Chunn 1, *, Monireh Faramarzi 1, Brian Smerdon 2 y Daniel S. Alessi 1

1 Departamento de Tierra y Ciencias de la Atmósfera de la Universidad de Alberta, Edmonton, AB, T6G 2E3, Canadá;

faramarz@ualberta.ca (MF); alessi@ualberta.ca (DSA)

2 Alberta Geological Survey, Alberta Energy Regulador, Edmonton, AB, T6B 2X3, Canadá;

brian.smerdon@aer.ca
* Correspondencia: chunn@ualberta.ca ; Tel .: + 1-403-702-1775

Recibido: December 11 de 2018; Aceptado: 3 Enero 2 019; Publicado: 10 Enero 2019

Resumen: Se ha convertido en un imperativo que los recursos superficiales y subterráneos pueden manejar como un sistema holístico.
Este estudio aplica un modelo de agua subterránea en la superficie acoplada (GW-SO), SWAT-MODFLOW, para estudiar las condiciones
hidrogeológicas y los impactos potenciales del cambio climático y extracción de aguas subterráneas en las interacciones GW-SW a
escala regional en el oeste de Canadá. componentes del modelo fueron calibrados y validados utilizando el caudal del río mensual y los
datos de la carga hidráulica para el período 1986-2007. las proyecciones climáticas a escala reducida de cinco modelos de circulación
general (MCG), bajo la RCP 8.5, para el período 2010-2034, se incorporaron en el modelo calibrado. Los resultados demostraron que el
intercambio GW-SW en las zonas situadas aguas arriba tenía la fluctuación más pronunciada entre los meses húmedos y secos en
condiciones históricas. 3 / d por pocillo para apoyar hipotético de alto volumen uso del agua por el sector de la energía impactó
significativamente el patrón de intercambio. Los resultados mostraron que la descarga total promedio en los ríos se redujo sólo
ligeramente de 1,294 m 3 / d a 1174 m 3 / re; sin embargo, las diferencias de caudal localizadas variaron fromunder 5 m 3 / d a más de 3.000
m 3 / d en 320 de las células de río 405. El impacto potencial combinado es que el uso intensivo del agua subterránea puede tener efectos
más inmediatos en el caudal del río que los de cambio climático, lo que tiene importantes implicaciones para la gestión de los recursos
hídricos y para el suministro de energía en el futuro.

palabras clave: hidrogeología; modelado; calibración; análisis de la incertidumbre; bombeo de agua subterránea; la gestión de los recursos hídricos

1. Introducción

La gestión adecuada de agua es un desafío global clave. De hecho, ya hay indicadores de que las influencias antropogénicas están
impactando en los caudales de los ríos y la recuperación de invierno de los glaciares [ 1 ]. La energía, los sectores agrícolas y domésticos se
encuentran en todo el mundo, e incluso como la extracción de agua relativos en estos sectores cambian, se prevé que el volumen mundial
total de agua extraída para aumentar. Esto se hace especialmente claro como factores como el crecimiento demográfico y mejoras en la
calidad de vida entrar en juego [ 2 ]. Cuando se combinan las necesidades de agua de cada sector, se hace evidente que el agua debe ser
gestionado de manera sistemática con el fin de garantizar un suministro sostenible para el futuro. Por lo tanto, la comprensión de cómo los
factores naturales y antropogénicos afectan a una cuenca es clave para la correcta gestión de este recurso.

Agua 2019, 11, 110; doi: 10.3390 / w11010110 www.mdpi.com/journal/water

Agua 2019, 11, 110 2 de 28

medidas de colaboración deben tomar medidas para gestionar los recursos limitados de agua para satisfacer las crecientes demandas de
agua de todos los sectores. modelado de eco-hidro-geológico puede ser útil en la cuantificación de los recursos y las necesidades de las zonas
especí fi cas y la comprensión de los factores naturales y antropogénicos que afectan a su distribución en el tiempo y en el espacio [ 3 - 5 ].
Dependiendo del alcance de los estudios de investigación, los modelos se pueden aplicar a las regiones del signi fi cativamente diferente tamaño
y complejidad. Con el fin de hacer pronósticos exactos, los modelos informáticos que cuantifican los recursos hídricos debe ser integral,
centrándose en las aguas subterráneas (GW) y el agua superficial (SW) juntos en lugar de tratar de forma individual. En las dos últimas décadas,
el número de modelos que considera GW y SW en conjunto ha aumentado [ 6 - 9 ]. El desarrollo de modelos que son consistentemente precisa es
un paso clave para la gestión del agua más inteligente. Para lograr este objetivo, las consideraciones deben ser tomadas durante el proceso de
selección para garantizar que el modelo es capaz de satisfacer las exigencias del estudio, incluyendo la disponibilidad de datos, la facilidad de
uso, la precisión deseada de simulaciones y presupuesto. De los disponibles, cuatro, junto GW-SWmodels se han utilizado en varios estudios a
escala de cuenca publicados. Estos incluyen HydroGeoSphere [ 8 ], MIKE SHE [ 10 ], GSFLOW [ 7 ] Y SWAT-MODFLOW [ 4 , 6 , 11 , 12 ]. Mientras que
las dos primeras de estos modelos son capaces de simulaciones increíblemente complejos, ambos están totalmente distribuidos y grid-basan, por
lo tanto requieren cantidades significativas de datos de alta resolución y capacidad de cálculo. Los dos últimos son semi-distribuida, e incorporar
los procesos físicos más importantes a EF fi cientemente simular cuencas a gran escala sobre lapsos más largos.

SWAT-MODFLOW es un hidro (geo) modelo acoplado lógico que emplea tanto el suelo y agua Evaluación Tool-SWAT [ 13 ] Y
MODFLOW [ 14 ] (SW y GWmodels, respectivamente) para producir una salida integrada. El acoplamiento de los modelos de componentes
cubre las limitaciones inherentes en cada modelo de componentes para producir una solución que es más fiel a hidro logy del mundo real
(geo). SWAT cubre los procesos asociados con la hidrología SW, tales como precipitación, temperatura, río flujo, escorrentía superficial, el
agua del suelo, la evapotranspiración real y la recarga de GW, mientras MODFLOW es responsable de los procesos GW, incluyendo
saturado flujo y GW descarga en ríos.

A pesar de múltiples códigos SWAT-MODFLOW se han desarrollado en los últimos veinte años para las áreas de estudio de gran escala

variable [ 4 , 6 , 12 , 15 , dieciséis ], Cada uno studywas llevadas a cabo para superar las deficiencias de cada uno de sus modelos de componentes (SWAT

y MODFLOW), y para evaluar los recursos SW y GW como un solo sistema. Mientras SWAT simula los procesos físicos asociados con el suelo, las

plantas, el agua en la zona radicular y el clima, MODFLOW es responsable de proporcionar salidas de tres dimensiones GW flujo, así como

simulaciones de bombeo de las aguas subterráneas. Cada código SWAT-MODFLOW sigue la misma lógica general, en que MODFLOW se ejecuta

como una subrutina de SWAT [ 4 , 11 , 12 ], Sustituyendo eficazmente la GWmodule en SWAT para dar salidas a una resolución más fina que SWAT

puede lograr por sí mismo para un paso de tiempo dado. Debido a su capacidad para simular eficientemente múltiples procesos físicos en una región

grande con ningún costo asociado, este estudio utiliza la herramienta SWAT-MODFLOW a disposición del público desarrollado por Bailey et al. [ 4 ].

Los modelos desarrollados en los estudios anteriores cubrieron áreas de estudio más pequeños con menos hidrogeología compleja, y estaban

destinados principalmente para la comprensión de los cambios de agua locales [ 4 , 6 , 11 , 12 ]. Antes de este estudio, el modelo Sprague cuenca del río [ 4

] Fue la mayor en aproximadamente 4.100 kilometros 2. Otros modelos varían en tamaño para encajar varios goles, con algunos tan pequeños como

198 kilometros 2 [ 11 ], Andmost tener áreas de estudio en los altos de cientos a miles de bajas kilómetros cuadrados [ 12 ]. Además, las implementado

con éxito SWAT-MODFLOWmodels hasta ahora han tenido la hidrología e hidrogeología de baja complejidad, con cada uno de los componentes que

se centran en MODFLOW superficial, GW local de fl ujo de patrones [ 11 , 12 ].

Este estudio utiliza una porción de westernAlberta, Canadá, como un estudio de caso para simular un hidro (GEO) de cuencas
lógicamente variable (Little River ahumado). Dado que el aumento en el potencial económico de la estimulación hidráulica en combinación con
la perforación horizontal para desarrollar los recursos no convencionales, la región se ha convertido en un área clave para el desarrollo de gas y
petróleo de Alberta [ 17 ]. Para muchos operadores de la zona, la Formación Duvernay está dirigido por sus recursos no convencionales, con los
pozos que utilizan tanto como 30.000 m 3 de agua a la fractura de manera efectiva el depósito [ 18 ], Aunque este valor puede aumentar aún más
cuando la orientación de las formaciones en otro lugar en el oeste de Canadá [ 19 ]. Históricamente, la mayor parte del agua dulce necesaria
para las operaciones se obtienen de los ríos y arroyos en la región [ 20 ], Con la extracción ocasional de GW de agua dulce (o casi fresco)
acuíferos. Con el aumento no convencional
Agua 2019, 11, 110 3 de 28

desarrollo de los recursos viene la posibilidad de utilizar GW para apoyar las operaciones de fracturación hidráulica [ 21 , 22 ]. Sin embargo, la falta de

comprensión del total GW y SW disponibilidad, fiabilidad y las interacciones, y las proyecciones disponibles limitados en función de futuros escenarios

de cambio climático, pueden restringir futuros aumentos en la producción de los recursos energéticos en la región. Por lo tanto, es necesaria la

integración de ambos procesos de oferta y demanda SW y GW en la región a estudiar sistemáticamente las oportunidades futuras y conflictos para la

industria. Debido al aumento de las tendencias de uso de agua de manera similar en otras cuencas semiáridas con las estaciones fi nidas firmemente

de, como Dakota del Norte [ 23 ], Las conclusiones y el trabajo fluye de este estudio se pueden aplicar para evaluar las interacciones GW-SW en

muchas cuencas similares en todo el mundo.

En virtud de ser en el oeste de Alberta, el área de estudio de caso se somete a patrones muy variables, sin embargo, predecibles,
clima. Como la mayoría de las cuencas canadienses, el río Little ahumado experimenta descarga más alta durante los meses de primavera y
verano, con casi nada de flujo durante los meses de invierno. Esto, a su vez, afecta la hidrología de las cuencas en el área de estudio. Con el
nacimiento del río Little ahumado situados a alturas de más de 1200 m sobre el nivel del mar, la nieve es una influencia que debe ser
considerado en esta área para la representación más realista del clima. Además, la cuenca sedimentaria subyacente occidental de Canadá
(WCSB) se compone de formaciones geológicas que se sumergen hacia arriba, de oeste a este, creando un entorno geológico en forma de
cuña en el área de estudio. Muchas de las formaciones son tanto más grueso y más profunda a lo largo de las Montañas Rocosas pero
convertido en menos profunda y están expuestos, o sólo cubierto por una fina capa de sedimentos al noreste. En combinación con estas capas
de inmersión, la variabilidad de propiedades de las rocas dentro de una formación geológica dado también varía espacialmente, lo que resulta
en un ambiente hidrogeológica complejo con ampliamente variables de conductividad y de almacenamiento propiedades hidráulicas [ 22 , 24 ].
Estos complejo pero realista hidrológico y las condiciones hidrogeológicas y de la importancia del agua para apoyar el desarrollo de recursos
no convencionales y sostener los ríos, lo convierte en un caso de estudio ideal para probar la SWAT-MODFLOWmodel.

El objetivo principal de este estudio fue aplicar SWAT-MODFLOW para simular una gran región para estudiar las condiciones
hidrogeológicas regionales y los impactos potenciales del cambio climático y de la extracción de agua en las interacciones GW-SW. Nuestros
objetivos específicos c fueron: (1) para calibrar, validar y proporcionar análisis incertidumbre tanto para los componentes del modelo; (2) para
evaluar los efectos del futuro cambio climático en el patrón de intercambio de GW-SW; y (3) para examinar los impactos de escenarios de uso
del agua subterránea en interacciones GW-SW para el intervalo de 2010 a 2034. Esto se hizo para lograr el objetivo de una mayor comprensión
de la utilización de SWAT-MODFLOW como herramienta de planificación para predecir el efecto de la natural y antropogénico influencias sobre
la cuenca.

2. Materiales y métodos

2.1. Área de estudio

2.1.1. Hidrología superficial

The Little cuenca ahumado de Alberta (Figura 1 ) Cubre 11.494 km 2 y es un afluente del río Paz, que finalmente flujos fl en el río
Mackenzie y el Océano Ártico. La hidrología de la cuenca Poco ahumado está fuertemente influenciada por las estaciones. Como se
alimenta principalmente por las Montañas Rocosas, más alta se registra en el río en los meses de primavera y verano, que es el resultado
del aumento de la precipitación y la fusión de la nieve de primavera anual. Del mismo modo, una disminución pronunciada en la descarga
se registra consistentemente en los meses de otoño e invierno, coincidiendo con la congelación y los niveles de precipitación inferiores. Al
igual que gran parte de Alberta, la zona está sometida a sequías periódicas e inundaciones [ 25 ], Lo que puede influir fuertemente en los
patrones hidrológicos locales flujo y, como consecuencia, el uso del agua. La porción de aguas abajo de la Little River ahumado cuenca
aplana en bosques y pradera tierra, mucha de la cual está dominada por la actividad de petróleo y gas agrícola y aguas arriba, con la
industria forestal también tener una presencia. La ubicación del pequeño río ahumado en el centro-oeste de Alberta significa que tiene un
clima generalmente semi-árido, y la cuenca también incorpora una amplia gama de elevaciones (de ~ 475 ma ~ 1400 m sobre el nivel del
mar), que trae consigo varios de suelo y tipos de uso del suelo.
Agua 2019,11,11,
Agua2019, 110x para su revisión 44de
de 30
28

Figura 1. El área de estudio (Little River Watershed ahumado), que se muestra dentro de la provincia de Alberta, Canadá.

Figura 1. El área de estudio (Little River Watershed ahumado), que se muestra dentro de la provincia de Alberta, Canadá.
2.1.2. Geología e Hidrogeología

Dado el tamaño de la zona de estudio, las profundidades y las propiedades de las formaciones de roca subyacentes varían
2.1.2. Geología e Hidrogeología
considerablemente. En el área de estudio, similar al del resto de las Montañas Rocosas de Alberta, diversas formaciones afloran o se
asemejan
Dadoal afloramiento,
el tamaño decon una tendencia
la zona de estudio,general hacia el noreste
las profundidades y las[ propiedades
26 ]. sedimentos cuaternarios-Neógeno
de las formaciones de rocacubren la mayorvarían
subyacentes parte de la
zona cercana a la superficie
considerablemente. del de
En el área surestudio,
de la región de al
similar estudio, conde
del resto varios miembrosRocosas
las Montañas de la Formación Paskapoo
de Alberta, directamente
diversas subyacente.
formaciones Sin
afloran o se
embargo,
asemejanen la zona aguascon
al afloramiento, abajo
una(norte) del ríogeneral
tendencia Little ahumado cuenca, [26].
hacia el noreste afloran formaciones
sedimentos más antiguas, tales como
cuaternarios-Neógeno el la
cubren Scollard, Batalla
mayor parte dey la
Formaciones
zona cercanaWapiti. Cada una
a la superficie deldesur
lasde
formaciones deestudio,
la región de roca decon
fondo ha sido
varios evaluado
miembros de para potencial Paskapoo
la Formación acuífero desde la perspectiva
directamente de todo Sin
subyacente. el
WCSB [ 27en
embargo, ]; Sin embargo,
la zona aguasaabajo
nivel local la del
(norte) Formación
río LittlePaskapoo
ahumadoha sido enafloran
cuenca, gran medida el focomás
formaciones de pozos de agua
antiguas, talessubterránea de origen.
como el Scollard, Como
Batalla y
la formación Paskapoo
Formaciones es también
Wapiti. Cada una de la
lasunidad lecho dederoca
formaciones rocamenos profunda
de fondo enevaluado
ha sido la zona depara
estudio, se haacuífero
potencial intercambio entre
desde SW y GW [ de
la perspectiva 28 todo
].
Depositado en el
el WCSB [27]; SinPaleógeno,
embargo, la Formación
a nivel local laPaskapoo esPaskapoo
Formación un muy heterogéneo
ha sido en flgran
uviales depósito
medida [ 22de] Que
el foco aparece
pozos como
de agua la capa más
subterránea de origen.
superficial lecho de roca
Como la formación en la mayor
Paskapoo parte la
es también delunidad
poco río ahumado
lecho cuenca.
de roca menosIncluso dentro
profunda en ladezona
la zona de estudio,
de estudio, esta
se ha formación entre
intercambio exhibeSW
unay alta
GW
gama de espesor,en
[28]. Depositado siguiendo una tendencia
el Paleógeno, engrosamiento
la Formación Paskapoohacia
es unlas estribaciones
depósito [ 29 ]. Tresheterogénea
fluvial altamente unidades primarias,
[22] queo aparece
miembros, dentro
como de lade
la capa
formación han menos
roca de fondo sido identificados
profundo enenla
el mayor
área departe
estudio enLittle
de la baseRiver
a diferencias
ahumadolitológicas, con dosdentro
cuenca. Incluso acuíferos
de laseparadas por un acuitardo
zona de estudio, [ 22 , 30 ].
esta formación
La porosidad
exhibe y conductividad
una alta hidráulica
gama de espesor, observado
siguiendo por Hughes
una tendencia et al. [ 22 ] Enhacia
engrosamiento estoslas
miembros comparten
estribaciones [29]. una
Tresrelación
unidadeslineal, con valores
primarias, o más
altos, tanto dentro
miembros, para la de
porosidad y conductividad
la formación hidráulicaen
se han identificado registrados
el área deen los acuíferos.
estudio en baseEn el estudio realizado
a diferencias porcon
litológicas, Hughes et al. [ 22 separadas
dos acuíferos ],
por un acuitardo promedio
Conductividades [22,30]. Lafueron de 1,3y ×
porosidad conductividad
10 - 6 m / s y 4,4 × 10 - 9observado
hidráulica m / s para por Hughes
la piedra et al. [22]
arenisca en estos
y unidades miembros
mudstone comparten una
/ esquisto
relación lineal, con
respectivamente, valores
obtiene más altos, tanto
principalmente para de
a través la porosidad y conductividad
aire permeámetro pruebas.hidráulica registrados en los acuíferos. En el estudio realizado
por Hughes et al. [22], conductividades promedio fueron de 1,3 × 10 -6 m / s y 4,4 × 10 -9

2.2. Desarrollo del modelo y de los datos de entrada

m / s para la piedra arenisca y unidades mudstone / esquisto respectivamente, obtiene principalmente a través de aire permeámetro pruebas.

2.2.1. Desarrollo SWAT Modelo

ArcSWAT
2.2. Desarrollo 2012y se
del modelo utilizó
de los datospara construir un modelo SWAT de la zona de estudio. Un modelo de elevación digital (DEM) [ 31 entonces]
de entrada
se importó, y se usa para delinear la cuenca en 28 sub-cuencas (Figura 2 ) Y para replicar la red de agua de la zona de estudio
(principalmente
2.2.1. DesarrolloelSWAT
río Little ahumado). El modelo calcula la dirección y la acumulación de agua superficial flujo basa en puntos bajos en
Modelo
alzado y representa, en cada sub-cuenca, una corriente afluente que con el tiempo se une en el río Little ahumado. Al de fi nir la salida
ArcSWAT 2012 se utilizó para construir un modelo SWAT de la zona de estudio. Un Modelo de Elevación Digital (DEM) [31] y luego
principal (o salidas) de la cuenca, entonces se delinean los límites y parámetros hidrológicos de toda la cuenca. Para este estudio, la salida
fue importada, y se usa para delinear la cuenca en 28 sub-cuencas (Figura 2) y para replicar la red de agua de la zona de estudio
principal de la cuenca se encuentra en el punto de la región modelada septentrional.
(principalmente el río Little ahumado). El modelo calcula la dirección y la acumulación de flujo de agua superficial basado en puntos bajos
en alzado y representa, en cada sub-cuenca, una corriente afluente que con el tiempo se une en el río Little ahumado. Al definir la salida
principal (o salidas) de la cuenca, entonces se delinean los límites y parámetros hidrológicos de toda la cuenca. Para este estudio, la salida
principal de la cuenca se encuentra en el punto de la región modelada septentrional.
Agua 2019, 11, 110 5 de 28
Agua 2019, 11, x para su revisión 5 de 30

Figura 2.
Figura 2. Poco
Poco cuenca
cuenca del
del río
río ahumado;
ahumado; (( una)
una) mostrando
mostrando las
las subcuencas
subcuencas delineados,
delineados,estaciones
estacioneshidrométricas,
hidrométricas,yysimulados
simuladospozo
pozode
debombeo
bombeo
lugares (en
lugares (en base
base a
a las
las tendencias
tendencias de
de pozos
pozos de
de agua
agua en
en la
la zona
zona de
de estudio)
estudio) incluido.
incluido.Cada
Cadapocillo
pocilloes
esproximal
proximalaaoodentro
dentrode
delalazona
zonade
deestudio,
estudio,
con 16 de los 21 pozos de bombeo situados en la parte aguas abajo del área modelada; ( segundo) muestra las clases topográficos y
con 16 de los 21 pozos de bombeo situados en la parte aguas abajo del área modelada; ( segundo) muestra las clases topográficos y
elevación variable.
elevación variable.

datos de suelos y uso de la tierra para el estudio fueron importados a través de capas GIS basadas en componentes de modo que los polígonos
datos de suelos y uso de la tierra para el estudio fueron importados a través de capas de SIG basadas en componentes de manera que los polígonos individuales podrían alojar
individuales podrían alojar muchos tipos de suelo y uso de la tierra [ 32 ]. Sobre la base de los mapas disponibles del suelo y el uso de la tierra (véase la
muchos suelos y uso de la tierra tipos [32]. Basándose en mapas disponibles de suelos y uso de la tierra (ver Tabla A2), 20 tipos de suelo y 13 tipos de uso de tierra fueron definidos en
tabla A2 ), 20 tipos de suelo y 13 tipos de uso de la tierra se definieron en la zona. Los diversos tipos de uso del suelo de la zona de estudio
la zona. Los diversos tipos de uso del suelo de la zona de estudio corresponden sin apretar con las elevaciones en las que se encuentran, con el sur de sub-cuencas dominadas por
corresponden sin apretar con las elevaciones en las que se encuentran, con el sur de sub-cuencas dominadas por bosques de hoja perenne, y la
bosques de hoja perenne, y la actividad agrícola siendo más pronunciada a medida que las elevaciones a nivel del suelo en la parte norte de la cuenca. Después se incluyeron los datos
actividad agrícola siendo más pronunciada a medida que las elevaciones a nivel del suelo en la parte norte de la cuenca. Después se incluyeron los
para el suelo y el uso del suelo, se optó por un modelo de pendientes múltiples para representar mejor la variación topográfica que se encuentra en el campo. Optamos por tres clases de
datos para el suelo y el uso del suelo, se optó por un modelo de pendientes múltiples para representar mejor la variación topográfica que se encuentra
pendiente: 0-5% de inclinación, 5-10% de inclinación, y más del 10% de inclinación. Con la arroyos, sub-cuencas, suelos, uso de la tierra y de las pistas en el lugar, Unidades de
en el campo. Optamos por tres clases de pendiente: 0-5% de inclinación, 5-10% de inclinación, y más del 10% de inclinación. Con las corrientes,
respuesta hidrológica (HRUS), que son sub-secciones del modelo que rompe aún más las unidades espaciales hasta en los bolsillos con propiedades similares para representar suelo
sub-cuencas, suelos, uso de la tierra y de esquí en su lugar, las unidades de respuesta hidrológicos (HRUS), que son sub-secciones del modelo que
local, uso de la tierra, características de la pendiente de una cuenca [4], a continuación, podrían ser delineadas. Desde que se definen de esta manera, HRUS no puede cumplir con los
rompe aún más las unidades espaciales hasta en los bolsillos con propiedades similares para representar suelo local, tierra utilizar, 4 ], A continuación,
límites entre las sub-cuencas. En lugar de ello, los cálculos SWAT se llevan a cabo para cada HRU, y entonces los resultados se agregan para representar valores en los puntos de
podrían ser delineado. Desde que se definen de esta manera, HRUS no puede cumplir con los límites entre las sub-cuencas. En lugar de ello, los
sub-cuenca, produciendo así salidas para cada sub-cuenca y cada paso de tiempo. HRUS puede no cumplir con los límites entre las sub-cuencas. En lugar de ello, los cálculos SWAT se
cálculos SWAT se llevan a cabo para cada HRU, y entonces los resultados se agregan para representar valores en los puntos de sub-cuenca,
llevan a cabo para cada HRU, y entonces los resultados se agregan para representar valores en los puntos de sub-cuenca, produciendo así salidas para cada sub-cuenca y cada paso
produciendo así salidas para cada sub-cuenca y cada paso de tiempo.
de tiempo. HRUS puede no cumplir con los límites entre las sub-cuencas. En lugar de ello, los cálculos SWAT se llevan a cabo para cada HRU, y entonces los resultados se agregan

para representar valores en los puntos de sub-cuenca, produciendo así salidas para cada sub-cuenca y cada paso de tiempo.

datos meteorológicos históricos, incluyendo la precipitación, temperatura, humedad relativa, velocidad del viento, y la radiación solar, se
recogieron a partir de diferentes fuentes (Tabla A2 ), Y se incorporaron en el modelo para el período de tiempo de 1983-2007 (25 años totales
datos meteorológicos históricos, incluyendo la precipitación, temperatura, humedad relativa, velocidad del viento, y la radiación solar,
de ejecución). En el modelo SWAT, nevadas se simula en base a datos totales de precipitación y temperatura.
se recogieron a partir de diferentes fuentes (Tabla A2), y se incorporaron en el modelo para el período de tiempo de 1983 a 2007 (25 años
totales de ejecución). En el modelo SWAT, nevadas se simula en base a datos totales de precipitación y temperatura.

2.2.2. Desarrollo MODFLOWModel

El MODFLOWmodel
2.2.2. Desarrollo MODFLOWseModelo
construyó utilizando la interfaz visual MODFLOWClassic. Para permitir el secado y re-humectación de
celdas de la cuadrícula sobre una simulación transitoria, se utilizó la (newtoniano Solver) motor MODFLOW-NWT [ 33 ], Similar a los
El modelo MODFLOW se construyó utilizando la interfaz de Visual MODFLOW clásico. Para permitir el secado y re-humectación de
modelos utilizados por Guzman et al. [ 12 ] Y Bailey et al. [ 4 ]. El área del modelo para este componente era 44,955 km 2, con una longitud de
celdas de la cuadrícula sobre una simulación transitoria, se utilizó la (Solver newtoniano) motor MODFLOW-NWT [33], similar a los
195 km en la dirección x y 230 km en la dirección y. Discretización para este modelo se mantuvo intencionalmente gruesa para aliviar la
modelos utilizados por Guzman et al. [12] y Bailey et al. [4]. El área del modelo para este componente era 44,955 km 2, con una longitud de
carga computacional una vez junto con SWAT. A 100 × Se utilizó 100 de rejilla, con cada celda de la cuadrícula que tiene dimensiones de
195 km en la dirección x y 230 km en la dirección y. Discretización para este modelo se mantuvo intencionalmente gruesa para aliviar la
1,95 kilometros × 2.30 km. Si bien esto da lugar a relativamente baja resolución espacial en las direcciones x-y, el componente
carga computacional una vez junto con SWAT. Se utilizó una cuadrícula de 100 x 100, con cada celda de la cuadrícula que tiene
MODFLOW sigue siendo relativamente complejo en comparación con los utilizados en anteriores SWAT-MODFLOWmodels en virtud de
dimensiones de 1,95 km × 2,30 km. Si bien esto da lugar a relativamente baja resolución espacial en las direcciones x-y, el componente
sus siete capas, y la hidráulica heterogénea
MODFLOW sigue siendo relativamente complejo en comparación con los utilizados en los anteriores modelos SWAT-MODFLOW en virtud
de sus siete capas, y la heterogénea
Agua 2019, 11, 110 6 de 28

Agua 2019, 11, x para su revisión 6 de 30

conductividad encontrado dentro de estas capas (manteniendo así la variabilidad en la conductividad hidráulica del suelo (K) en las tres dimensiones).
conductividad hidráulica se encuentra dentro de estas capas (manteniendo así la variabilidad en la conductividad hidráulica del suelo (K) en las
tres dimensiones).
Cada una de las capas MODFLOW corresponden a una unidad geológica o sub-unidad con los datos de elevación formación (en
Cada una de las capas MODFLOW corresponden a una unidad geológica o sub-unidad con los datos de elevación formación (en
metros sobre el nivel del mar) determinados a partir de datos no publicados del estudio geológico de Alberta y adicional así información de
metros sobre el nivel del mar) determinados a partir de datos no publicados del estudio geológico de Alberta y adicional así información de
registro de IHS AccuMap ® software. Aunque las elevaciones de formación son muy variables, un fondo uniformmodel de 1250 m bajo el
registro de IHS AccuMap ® software. Aunque las elevaciones de formación son muy variables, un modelo de fondo uniforme de 1250 m bajo
nivel del mar se incluyó para mantener el límite inferior de la modelo bien lejos de las características del agua de la superficie, y para
el nivel del mar se incluyó para mantener el límite inferior de la modelo bien lejos de las características del agua de la superficie, y para
permitir la posible flujo de agua en las zonas donde más profundas formaciones de roca de fondo afloran a la superficie en el extremo norte
permitir la posible flujo de agua en las zonas donde más profundas formaciones de roca de fondo afloran a la superficie en el extremo norte
del modelo (véase la figura 3 ).
del modelo (véase la figura 3).

Figura 3. Sección transversal sur-norte de la zona de MODFLOW modelado, visualización de las unidades geológicas presentes.
Figura 3. Sección transversal sur-norte de la zona de MODFLOW modelado, visualización de las unidades geológicas presentes.

rangos de conductividad hidráulica para cada unidad se basan en valores determinados para el área de estudio [ 22 ], Y estimaciones
rangos
basadas de conductividad
en litología hidráulica
conocida. Cada capa para
en elcada unidad
modelo tienese basan
varios en valores
valores determinados
de conductividad, para
que es la zona de
apoyado estudio
por [22], ypublicados
los valores las con
estimaciones
respecto a la basadas en la litología
hidroestratigrafía de lasconocida. Cada
formaciones en capa en eldemodelo
la región estudiotiene
[ 22 varios valores
]. La tabla dedatos
de los conductividad,
de entradaque es apoyado
MODFLOW por losver en
se puede
valores publicados
el Apéndice con respecto
UNA (Mesa a la
A2 ). Hay hidroestratigrafía
tres de lasdeformaciones
tipos de condiciones contorno seen la región en
impusieron de el
estudio [22]. La tablacabezas
MODFLOWmodel: de los datos de entrada
constantes (CHD),
MODFLOW
ríos (RIV), yse
la puede
recargaver en el Los
(RCH). Apéndice A (Tabla
datos de A2).
CHD utilizados se implementó basado en cabezas hidráulicas observadas en observación o
heredados pozos cercanos. Con el fin de simular mejor la variación en cabezas observados, se utilizaron gradientes lineales para la mayoría
de las Hay tres tipos
entradas de con
de CC, condiciones de contorno
las cabezas se aumentando
hidráulicos impusieron en el modelo MODFLOW:
o disminuyendo cabezas
de una manera constantes
lineal. Además,(CHD), ríos (RIV),
las cabezas y la recarga
en zonas de
(RCH). Los datos
baja elevación delde CHD
agua deutilizados se implementó
la superficie (parte norte basado
/ aguas en cabezas
abajo hidráulicas
del modelo) observadas
se supone en observación
que estar o heredados
en o cerca del pozos cercanos.
nivel de superficie para
Con el fin de simular
formaciones cerca demejor la variación
la superficie, talesencomo
cabezas observados, se utilizaron gradientes lineales para la mayoría de las entradas de CC, con
la Paskapoo.
las cabezas hidráulicos aumentando o disminuyendo de una manera lineal. Además, las cabezas en zonas de baja elevación del agua de la
superficie (parte norte / aguas abajo del modelo) se supone que estar en o cerca del nivel de superficie para formaciones cerca de la
superficie,
datostales
RIVcomo la Paskapoo.
y el RCH, ambas fueron tomadas directamente del modelo SWAT correspondiente, de modo que los valores se mantuvo
constante una vez que se acoplaron los dos modelos. El proceso completo de la transferencia de datos río Swat a MODFLOW se da en el
datos
Apéndice UNARIV
(Flyujo
el RCH, ambas
de trabajo 1).fueron tomadas
Más detalles directamente
sobre del modelo
la construcción SWAT correspondiente,
MODFLOWmodel de modo
se puede encontrar en que los valores
el Apéndice se mantuvo
segundo .
constante una vez que se acoplaron los dos modelos. El proceso completo de la transferencia de datos río Swat a MODFLOW se da en el
Apéndice A (flujo de trabajo 1). Más detalles sobre la construcción del modelo MODFLOW se puede encontrar en el Apéndice B.
2.2.3. Integración SWAT-MODFLOW

Para integrar SWAT y MODFLOW, SWAT HRUS debe ser desagregado, tras lo cual se les llama DHRUs. Esto separa un HRU dado
2.2.3. Integración SWAT-MODFLOW
en polígonos, lo que permite que sea geo-situado, facilitar la conexión entre SWAT y MODFLOW [ 34 ]. DHRUs localización de paso y SW fl
datos OW
Paraa integrar
ModflowSWAT
celdasy de la cuadrícula
MODFLOW, SWATen un pasodebe
HRUS de tiempo diario, que luego
ser desagregado, se volvió
después de loacual
SWAT como
se les cabezas
llama DHRUs.hidráulicos
Esto separa un
calculados y la
determinado HRUinteracción GW-SW
en polígonos, tasas
lo que de flujo
permite [ 4sea-geo
que ]. A los 40 HRUSfacilitando
situado, en este modelo, hay 31047
la conexión DHRUs.
entre SWAT Después de[34].
y MODFLOW la disgregación
DHRUs de la
HRUS, que une
localización los archivos
de paso deben
y datos de flujoser
de creados que cuentan
SW a Modflow celdasladeSWAT-MODFLOWcode howmanyHRUs,
la cuadrícula en un paso existen
de tiempo diario, células
que luego seDHRUs
volvió a SWAT
andMODFLOWgrid
como en el proyecto.
cabezas hidráulicos Sólo
calculados entoncesinteracción
y caudales el DHRUs GW-SW
estar vinculado a sus
[4]. A los celdasen
40 HRUS deeste
la cuadrícula MODFLOW
modelo, hay correspondientes
31047 DHRUs. Después de
para
la los datos que
disgregación deben
de la transferirse.
HRUS, archivos de enlace deben ser creadas para que diga el código MODFLOW SWAT- cómo existen muchas
celdas de la cuadrícula HRUS, DHRUs y MODFLOW en el proyecto. Sólo entonces el DHRUs estar vinculado a sus celdas de la cuadrícula
MODFLOW correspondientes para los datos que deben transferirse. Todo el proceso de creación / exportar los archivos de enlace
correctas y acoplando el SWAT-MODFLOW
Agua 2019, 11, 110 7 de 28

Todo el proceso de creación / exportación de la vinculación correcta fi les y acoplando el modelo SWAT-MODFLOW se explica en el tutorial
puestos a disposición por Park y Bailey [ 34 ]. Para más información sobre la ejecución de la SWAT-MODFLOWmodel se puede encontrar en
el Apéndice segundo .

2.3. Calibración, validación y Evaluación de la incertidumbre

2.3.1. SWAT calibración

La guía de calibración se describen en la documentación del software de SWAT-CUP [ 35 ] Y se llevaron a cabo en este estudio. Dentro del
software SWAT, el modelo se ejecuta correctamente durante la duración simulada de 25 años. Para el funcionamiento óptimo, se utilizó periodo
awarm en marcha de tres años, con lo que el año en primer lugar los datos fi a 1986. El modelo fue calibrado usando flujo mensual observado
flujo de datos en dos estaciones hidrométricas dentro del área de estudio (ancho de vía de salida y el calibre Tributaria, Figura 3 ). En este estudio,
hemos utilizado el programa de ajuste de incertidumbre secuencial (SUFI2) [ 3 ]. Se realizó un análisis de sensibilidad para determinar qué
parámetros más afectan a la corriente de flujo de simulación. El procedimiento de calibración comienza proporcionando una amplia gama que se
define por el usuario. Sin embargo, este rango inicial es físicamente significativa, y se basa en datos de entrada que se obtiene inicialmente a
partir de diferentes fuentes. Por ejemplo, los parámetros relacionados con el suelo, tales como la conductividad del suelo hidráulico (K) y el suelo
capacidad de agua disponible (AWC) se atribuyen al mapa de suelo, y que se obtienen inicialmente por la toma de muestras de suelo y análisis
de suelos pro fi les en estudios separados por los datos los proveedores. Estos parámetros, que son llamados parámetros por defecto,
proporcionan una base para el modelador para hacer decisiones sobre el rango del parámetro inicial. El rango del parámetro se estrecha hacia
abajo a través de un procedimiento iterativo, hasta que se obtiene la mejor gama de parámetros rendimiento. En cada iteración, el algoritmo
SUFI2 realiza muestreo hipercubo latino para el usuario de fi intervalos de parámetros NED y crea varias muestras seleccionados de parámetro.
Cada muestra de conjunto de parámetros se introduce en el modelo SWAT, y las salidas posibles se simulan dentro de un intervalo de confianza
95% (95PPU). El programa SUFI2 compara la descarga simulada a los datos observados utilizando una variedad de estadísticas, incluyendo R 2 y
bR 2. El r 2, o coeficiente de determinación, se refiere howwell la tendencia de datos simulados se replica la tendencia observada. El factor principal
observada en este estudio, sin embargo, es Br 2, que toma tanto tendencia y la cercanía a los resultados observados en cuenta, y se calcula
multiplicando R 2 por b, o la pendiente de la recta de regresión entre observado y los datos simulados [ 36 ]. Que varía de 0 a 1, un valor alto indica
un mejor modelo calibrado. Sin embargo, puesto que es imposible llegar a un bR 2 valor de 1 que no sea por un exceso de calibración, los valores
se considera aceptable una vez que comienzan a estabilizarse después de muchas iteraciones (en el rango de 0,5-0,7). También son importantes
el factor p y r-factor de de los resultados. El factor p de una iteración, medido en una escala de 0 a 1, considera howwell la mejor simulación se
mantiene dentro del intervalo de confianza con fi 95% que es debido a la escala de incertidumbre de los parámetros. Como tal, un p-factor de
más cerca a 1 es ideal. El factor R representa el rango de incertidumbre simulado. Como un modelo bien calibrado debe simular datos dentro de
un rango cercano a los resultados observados, un factor R más pequeño es ideal, con un resultado bajo 1 considerado como aceptable [ 3 , 37 ]. El
parámetro de mejor rendimiento establecido en cada iteración se considera para guiar al usuario a estrechar el rango de parámetros en
iteraciones subsiguientes hasta un rendimiento deseable de factor p y r-factor de se obtiene.

Dentro de la zona de estudio, dos estaciones hidrométricas están presentes, que están situados en sub-cuencas 1 (estación 119_1)
y 24 (estación 118_24) y se utilizan como puntos de calibración (Figura 2 ). Estas estaciones hidrométricas producen datos de descarga río
sobre una base mensual, que se utilizan para calibrar contra la descarga del río simulado calculado en SWAT en la salida del sub-cuencas
mencionadas anteriormente. En total, se evaluaron 45 parámetros del modelo SWAT (ver tabla A4 ). Debido a la proximidad de sub-cuenca
24 a las Montañas Rocosas, se trató como su propio sistema, sin más regionalización de los parámetros para otros sub-cuencas. También
se añadieron los parámetros relacionados con la nieve-como una variable, debido a su potencial impacto en el presupuesto hidrológico del
modelo (véase la tabla A4 ). Entre iteraciones, ensanchamiento y estrechamiento rangos de ciertos parámetros dentro de un rango
físicamente significativa resultó en cambios en la exactitud de la calibración. Los rangos de los parámetros utilizados en este estudio se
basaron en los de la documentación SWAT de entrada-salida [ 38 ], Así como los de la base de datos de los suelos para el
Agua 2019, 11, 110 8 de 28

proyecto (ver11,
Agua 2019, Tabla A2supara
x para la fuente de los datos de). Cuando los valores simulados para los vertidos de río son cerca de igualar los valores
revisión 8 de 30
observados para cada indicador de corriente (produciendo bR 2, valores de p-factor y R-factor dentro de la gama deseable discutido
anteriormente) para discutido
la gama deseable todo el período de simulación,
anteriormente) para el modelo
todo SWATde
el período se simulación,
considera que es bien calibrado.
el modelo SWAT se Como datosser
considera más recientes
bien históricos
calibrada. Como
son generalmente
datos aceptados
más recientes parason
históricos sergeneralmente
más fiable (y fue de mayorpara
aceptados interés
ser debido a los(yescenarios
más fiable de pronóstico
fue de mayor planeados),
interés debido el modelo SWAT
a los escenarios de fue
calibrado para
pronóstico el período el
planeados), 1996-2007, con la fue
modelo SWAT validación delpara
calibrado modelo que ocurren
el período durante con
1996-2007, el período 1986-1995.
la validación del modelo que ocurren durante el
período 1986-1995.

2.3.2.
2.3.2.MODFLOWCalibration
MODFLOW calibración

ElElmodelo
modeloMODFLOW
MODFLOWfuefue
calibrado usando
calibrado datos
usando medidos
datos del nivel
medidos de agua
del nivel GW de
de agua GW377
depozos disponibles
377 pozos de la base
disponibles de lade datos
base dede Alberta
datos de
Información agua
Alberta Agua de pozo y bien
información dos pozos
y dos de la Red
pozos de de Alberta
la Red de aguas
Albertasubterráneas Observación
aguas subterráneas (VESTIDO)
Observación que tienenque
(VESTIDO) datos de series
tienen datosdedetiempo
series de
(Figura
tiempo4(Figura
). La configuración del proyecto
4). La configuración del yproyecto
se ejecuta iniciales
y se ejecutaseiniciales
llevaron se
a cabo bajoacondiciones
llevaron de estado estacionario
cabo bajo condiciones de estado (SS), para establecer
estacionario una
(SS), para
condición inicial
establecer unapara las siguientes
condición ejecuciones.
inicial para Esto se
las siguientes hizo para que
ejecuciones. lasse
Esto cabezas iniciales
hizo para que elfi larchivo
podríancabezas
ser utilizadas
inicialpara ejecutar
podría simulaciones
ser utilizado para
transitorias. Después detransitorias.
ejecutar simulaciones esta carrera Después
inicial, se de
añadieron datosinicial,
esta carrera de recarga variables datos
se añadieron para elde
modelo, con
recarga el modelo
variables SWAT
para correspondiente
el modelo, como su
con el modelo
fuente.
SWATEstos datos de recarga
correspondiente comose
susubdividieron
fuente. Estospor SWAT
datos de sub-cuenca, y se añadieronpor
recarga se subdividieron a laSWAT
capa superior de la yMODFLOWmodel
sub-cuenca, se añadieron a laencapa
los lugares
superior
correspondientes (véase laenfigura
del modelo MODFLOW 3 ). Como
los lugares era de esperar, (véase
correspondientes el tiempo
la de cómputo aumentó a medida que los datos más detallados de recarga se
figura
introdujeron en el modelo. Cuando se introdujeron los valores mensuales para cada sub-cuenca y se ejecutan en condiciones transitorias, el tiempo
de
3).ejecución
Como eratotal fue de poco
de esperar, más de
el tiempo de treinta
cómputo minutos.
aumentó a medida que los datos más detallados de recarga se introdujeron en el modelo. Cuando se

introdujeron los valores mensuales para cada sub-cuenca y se ejecutan en condiciones transitorias, el tiempo de ejecución total fue de poco más de

treinta minutos.
Los
Losniveles
nivelesde
deagua
aguade
decada
cadapocillo
pocillode
decalibración
calibraciónfueron
fueronconvertidos
convertidosa alos
losdatos
datosdedecarga
cargahidráulica
hidráulicarestando
restandoellos
ellosa apartir
partirdede
loslos
correspondientes
correspondienteselevaciones
elevacionesdel
delterreno
terrenodesde
desdeelelDEM,
DEM,con
conelevaciones
elevacionesdedepantalla
pantallasupone
suponeque
queenenlalaparte
parteinferior
inferiordedecada
cadapocillo.
pocillo.UnUn
total dede
total
377
377pozos
pozosde
deagua
aguaestaban
estabandisponibles
disponiblesdentro
dentrode
delalazona
zonaMODFLOW
MODFLOWmodelado,
modelado,con
conalgunos
algunosque
quecae
caefuera
fueradel
delpequeño
pequeñoríorío
ahumado dede
ahumado
cuencas
cuencaspara
paraayudar
ayudaren
enlalarepresentación
representaciónde
delas
lascondiciones
condicionesde
deagua
aguasubterránea
subterránearegionales.
regionales.Debido
Debidoalalgran
grannúmero
númerodedepuntos
puntosdede
datos, la la
datos,
calibración
calibraciónse
selimitó
limitaaamediciones tomadas
medidas así asíenenlos
tomadas el últimos
último cinco
cincoaños
añosdel
delperíodo
períodode
desimulación
simulación(enero
(enero2003-diciembre
2003-diciembre2007).
2007).

Figura 4. Correspondencia de contorno de la cabeza hidráulica para el Little River ahumado cuenca, producida por Visual MODFLOW. La carga
Figura 4. Correspondencia de contorno de la cabeza hidráulica para el Little River ahumado cuenca, producida por Visual MODFLOW. La
hidráulica sigue aproximadamente la topografía, con cabezas más altos encontrados en las regiones aguas arriba de la zona. Cada número
carga hidráulica sigue aproximadamente la topografía, con cabezas más altos encontrados en las regiones aguas arriba de la zona. Cada
pequeño en el mapa representa un pozo de calibración dentro del poco río ahumado cuenca.
número pequeño en el mapa representa un pozo de calibración dentro del poco río ahumado cuenca.

Además de los pozos de observación mencionados anteriormente, los dos medidores de supervisión río dentro de la zona de estudio
(Gauge Además de los pozos
Outlet y Gauge de observación
Tributario) mencionados
eran también anteriormente,
de entrada como puntos de los dos medidores
calibración de (datos
continuas supervisión río dentro
para todo de lade
el período zona de estudio
simulación),
(Gauge
para Outlet
un total de y379.
Gauge Tributario)
Aunque el flujo eran también
tarifas depunto
en cada entrada como puntos de calibración continuas (datos para todo el período de
simulación), para un total de 379. Aunque el flujo tarifas en cada punto se utilizan comúnmente, se utilizó etapa mensual río en lugar de
este componente (proporcionado por Alberta Medio Ambiente y Parques;
http://environment.alberta.ca/forecasting/FAQ/near_real_time.html), debido a
Agua 2019, 11, 110 9 de 28

se utilizan comúnmente, se utilizó el escenario mensual río en lugar de este componente (proporcionado por Alberta Medio Ambiente y
Parques; http://environment.alberta.ca/forecasting/FAQ/near_real_time.html ), Debido al parámetro de calibración primaria MODFLOW
siendo cabeza hidráulico. Más información se puede encontrar en el Apéndice segundo .

En el inicio de la calibración MODFLOW, las capas, de salida pellizcos delgada en el extremo norte del modelo (observados en la
Figura 3 ) Causado problemas de flujo vertical. Dado que el agua simulada no podía fluir a través de las células de manera eficaz, esto se
tradujo en áreas donde los niveles piezométricos construiría a ser mayores que lo que se observa (o se espera que sea realista). La
introducción de las condiciones de contorno de carga constante (CHB) en el perímetro de la zona MODFLOWmodelled ayudaron a llevar
los niveles piezométricos simulados a un rango más realista. Estos CHBS se basaron principalmente en la elevación del terreno, y en el
mapa cabeza hidráulica de Brinsky [ 39 ] Para las formaciones más profundas. Se tuvo cuidado de no incluir CHBS en el área del modelo
que se acopla directamente con SWAT, lo que permite la carga hidráulica simulado a fluctuar según sea necesario.

Aparte de imponer CHBS proximal a la zona de estudio, el cambio de la conductividad hidráulica de cada capa fue otro factor
necesario en la consecución de una calibración exitosa. Si bien se mantiene fiel a los rangos realistas esbozado por la literatura [ 22 , 29 ],
Cada capa MODFLOW se le dio múltiples valores de conductividad hidráulica a fin de simular las unidades geológicas que fueron
heterogéneos en dos dimensiones (x e y). Estas capas no podría ser verticalmente heterogénea debido a cada ser una sola celda de la
cuadrícula gruesa, independientemente del espesor real de las células. Aunque la calibración comenzó inicialmente con los datos de
recarga de valor único para cada sub-cuenca, esto fue cambiado posteriormente a anual, y fi nalmente los datos mensuales.

2.4. Análisis de escenario

Dos colaboradores fi cativos potencialmente significantes a los cambios hidrológicos en esta cuenca son el agua de pozo de bombeo para
uso industrial, y el cambio climático. Para este propósito, los datos climáticos simulados por cinco fueron utilizados ampliamente utilizado modelos
de circulación general (MCG) (Tabla 1 ), Que son herramientas de cambio climático basado en procesos físicos [ 40 ]. Aunque MCG simulan los
procesos asociados a los cambios del clima y tiempo a una escala espacial grande (algunos con resoluciones de más o menos 10 km), los datos de
salida deben ser a escala reducida para su aplicación a las cuencas de menor escala y climas locales [ 41 ]. Un método ampliamente utilizado para
realizar esta tarea es mediante el establecimiento de una relación empírica entre la GCM (s) seleccionado y los datos observados para el período
histórico de la zona de estudio, conocido como el enfoque del factor de cambio [ 41 ]. Mediante el uso de este método, las formulaciones obtenidas
para el período histórico se pueden aplicar para las proyecciones futuras. La fuerza de MCG radica en su capacidad para pronosticar escenarios
con diferentes supuestos para el futuro, conocidos como Pathways de concentración representativas, o PCR [ 42 ]. Basado en las emisiones
previstas de gases de efecto invernadero, el más ampliamente utilizado de estos PCRs son RCP2.6 (el escenario más optimista con el medio
ambiente) y RCP8.5 (el escenario de emisión de gases de efecto invernadero más pesada). Cada una produce resultados de modelos distintos y
estudios dedicados al cambio climático utilizan para obtener el más amplio rango de posibles resultados climáticos, especialmente cuando se
propaga el cambio climático en los modelos de agua subterránea [ 43 ].

Un objetivo clave de este estudio fue evaluar la capacidad de los SWAT-MODFLOW para simular un punto de inflexión bajo los efectos de
tanto naturales como antropogénicos influencias. Los resultados para tres escenarios y un escenario base se presentan, con la primera centrarse
únicamente en los efectos de bombeo de 21 pozos simulados en el componente MODFLOW. Estos pozos fueron proximal a o dentro de la zona
de estudio (que se encuentra a lo largo de las mismas tendencias que los pozos de agua utilizados para la calibración), el bombeo a una velocidad
de 468 m 3 / d durante seis meses de cada ejercicio de simulación. Aunque las duraciones de las operaciones de energía individuales son
generalmente de corta duración en relación con el período de simulación, la tasa volumétrica se utiliza aquí es consistente con uno proporcionado
por una compañía de energía Albertan con las operaciones de estimulación hidráulicos cerca de la zona de estudio. El segundo escenario
acoplado incluirá el cambio climático y no de bombeo, el promedio de los resultados para cinco MCG distintos (Can_ESM2, CCSM4, CNRM_CM5,
CSIRO-MK3, y MIROC5) de la fi Pacífico Consortium Impactos Climático (PCIC, https: //www.paci fi cclimate.org/data ) Bajo el RCP8.5
Agua 2019, 11, 110 10 de 28

(Altas emisiones de carbono) escenario (Tabla 1 ). El tercero se aplica tanto en el escenario de cambio climático descrito anteriormente y el
aumento de la velocidad de bombeo de los pozos usados ​en el escenario primera por un orden de magnitud de 4680 m 3 / re. El aumento de diez
veces en la velocidad de bombeo en los pozos existentes está destinado a actuar como una manera de simular la instalación de 10 × el mayor
número de pozos, debido a que los pozos están bien distribuidos en la región geográfica del modelo donde extracción de agua subterránea para
la industria son más probable que ocurra. A pesar de este escenario es poco probable que juegue en el futuro (en este sentido), se incluyó para
maximizar la presión sobre el sistema hidrológico para determinar qué extremo (el cambio climático o el bombeo pesada) tendría una mayor
influencia en el sistema. Estos GCMmodels (Tabla 1 ) Se escala reducida para que coincida con el intervalo observado del período de referencia
(1983-2007) para establecer una relación empírica entre ellos y el modelo. Esta relación se utiliza para los datos para proyectar escenarios
futuros, lo que resulta en un período de simulación de 25 años (2010-2034), similar al modelo histórico.

Tabla 1. Información general de las seleccionadas Modelos de Circulación General (MCG) y escenarios disponibles del Pací fi co Impactos

del Clima Consorcio (PCIC) [ 44 ].

Resolución espacial (Long ×

Acrónimo País Fuente
Lat, grados)

Centro Canadiense para la modelización del clima y

CanESM2 * Canadá 2.81 × 2.79
análisis

CCSM4 * Centro Nacional de Estados Unidos para la Investigación Atmosférica 1.25 × 0.9

Centro Nacional de Investigaciones météorologiques / Centro

CNRM-CM5 * Francia Europeo de Investigación y Formación Avancées en calcul Que la 1.41 × 1.40
Ciencia

fi Commonwealth Scientific Industrial Research Organisation C y en colaboración con el

Centro de Cambio Climático de Queensland de la excelencia 1.875 × 1.86
CSIRO-MK3 * Australia

MIROC5 * Japón Instituto de Investigación Meteorológica 1.41 × 1.39

* Tierra canadiense SystemModel Versión 2, Comunidad Clima SystemModel 4.0, Centro Nacional de Investigaciones M mi t mi orologiques Climático Modelo
Versión 5, la Commonwealth la Ciencia y la Investigación Industrial Organización MK3, Modelo de Investigación Interdisciplinaria sobre el Cambio Climático
Versión 5.

Los pozos de bombeo estaban situadas principalmente en la parte aguas abajo del componente MODFLOW, donde las operaciones
de energía son más comunes. Las condiciones de contorno y parámetros físicos del modelo MODFLOW se mantuvo sin cambios, aparte
del aumento de las tasas de bombeo, como las propiedades del subsuelo se supone que es constante en una escala de décadas. Además,
la precipitación se sustituye por los valores de cambio de afectados nuevo clima del modelo SWAT.

3. Resultados y discusión

3.1. Sensibilidad, calibración, validación y análisis de la incertidumbre

3.1.1. APLASTAR

Con un SWAT preliminar ejecutar antes de la calibración, los resultados simulados sobreestimadas pico río fluye cuando se compara con
los valores observados (figura 5 una). Para fines de calibración, un total de 21 parámetros físicos sensibles a la descarga del río se seleccionaron
inicialmente a partir de la literatura [ 3 ]. Los parámetros fueron regionalizadas adicional para capturar un mayor grado de variabilidad espacial
debido a la utilización del suelo, el suelo y las condiciones hidrológicas para un total de 45 parámetros sensibles. De estos, un uno-a-a-tiempo, y
luego se realizó un análisis global de la sensibilidad, la evaluación de reacciones modelo a los cambios en los parámetros individuales y más
tarde a todos los cambios de los parámetros [ 45 ]. La adición de bandas de elevación (PLAPS y TLAPS, lo que permite múltiples valores de
temperatura y precipitación para capturar los efectos de los cambios orográficos dentro de un sub-cuenca) mejoró el rendimiento general de
calibración, en particular en Sub-cuenca 24, que se trató como su propio sistema. Lo que permite más capacidad de agua en el suelo
(SOL_AWC), y menos escorrentía
Agua 2019, 11, x para su revisión 11 de 30
Agua 2019, 11, 110 11 de 28

mm H 2 O y un número disminución curva de 20%. Para limitar aún más esta reducción de flujo máximo, los valores de conductividad
hidráulicadedel
(Número sueloCN2)
curva; se incrementaron también.
también disminuyó Además
el pico de los parámetros
sobrestimado anteriores,
flujos. Los valores relacionados
de fi nales con la nieve
se mantuvieron dentro(.sno) fueron alterados
del intervalo para
proporcionado
quelos
por lasdatos
simulaciones nevadas
de entrada y elcon
del suelo, deshielo se produjo
una capacidad en el rango
máxima dede
de agua temperatura
0.333 mm Hcorrecto (-5 a 5 ° C). Una lista completa de los
2 O y un número disminución curva de 20%. Para limitar
parámetros
aún utilizadosde
más la reducción y sus
esterangos iniciales
pico flujo, y finales
los valores de valor, se puede
de conductividad ver en
hidráulica delel Apéndice
suelo A (Figura A4).
se incrementaron también. Además de los parámetros
anteriores, relacionados con la nieve (.sno) fueron alterados para que las simulaciones nevadas y el deshielo se produjo en el intervalo de
En la correcto
temperatura figura 5b,
( -los
5 aresultados calibrados
5 ◦ DO). Una pueden
lista completa deser
los vistos por elutilizados
parámetros medidor ydesus
salida. Los
rangos datos se
iniciales y fimuestran
valor final,en
seforma
puedemensual,
ver en el y se
delinean claramente
Apéndice UNA (FiguraelA4
contraste
). entre los flujos pico del verano y los bajos caudales de los meses de invierno. Al cambiar los parámetros
como se ha descrito anteriormente y en la Sección 2.3.1 y
2.3.2, se mitigó el overprediction simulada de descarga de corriente de pico.

(una)

(segundo)

Figura 5. La comparación de la (banda verde) vs simulado mensual observado flujo (azul señal) flujo para el medidor de salida en la Cuenca
Figura 5. La comparación de la (banda verde) vs simulado mensual observado caudal (azul señal) Para el ancho de salida en la Cuenca
del río Little ahumado durante todo el período de simulación histórica. ( una) muestra una simulación con los parámetros de la cuenca
del río Little ahumado durante todo el período de simulación histórica. ( una) muestra una simulación con los parámetros de la cuenca
predeterminada, y ( segundo) muestra la calibración y validación de resultados.
predeterminada, y ( segundo) muestra la calibración y validación de resultados.

En figura 5 b, los resultados calibrados pueden ser vistos por el medidor de salida. Los datos se muestran en
La validación del modelo se llevó a cabo mediante la comparación de la simulación a los datos observados para el período de 1986-1995. En general, el modelo sigue
una vez al mes, y delinear claramente el contraste entre el pico de los flujos de verano y los bajos flujos de los meses de invierno. Al
tendencias muy similares, con los caudales máximos de varios años siendo ligeramente sobrepronosticó, y los bajos caudales de los meses de invierno cae a cero para la mayoría de
cambiar los parámetros como se ha descrito anteriormente y en las Secciones 2.3.1
años de simulación. Aparte de no ser el enfoque principal de la calibración, las discrepancias entre las curvas simuladas y observadas para el lapso de tiempo validada del modelo SWAT
y 2.3.2 , Se mitigó el overprediction simulada de descarga de corriente de pico. La validación del modelo se llevó a cabo mediante la
puede ser debido al corto período de calibración / validación. En general, la calibración del modelo, tanto en los puntos de venta tributarias y de cuencas asegurada reparto adecuado de
comparación de la simulación a los datos observados para el período de 1986-1995. En general, el modelo sigue tendencias muy
precipitación y el agua del suelo en escorrentía superficial, la evapotranspiración real, y la recarga de las aguas subterráneas. Este rendimiento modelo mejorado en comparación con el
similares, con el pico de los flujos de algunos años siendo ligeramente sobrepronosticó, y los flujos bajos de los meses de invierno cae a
modelo de pre-calibración (Tabla 2, Figura 5a). En general, 48% de los datos de flujo de los ríos observados fueron capturados por el 95PPU simulado y el factor R promedio era de 0,75
cero para la mayoría de años de simulación. Aparte de no ser el enfoque principal de la calibración, las discrepancias entre las curvas
en la escala de la cuenca. Las estadísticas de resumen finales para la calibración SWAT y proceso de validación en cada medidor de flujo se dan a continuación (Tabla 2). El rendimiento
simuladas y observadas para el lapso de tiempo validada del modelo SWAT puede ser debido al corto período de calibración / validación.
más bajo en el indicador tributario puede ser debido a la calidad y cantidad de los datos de entrada, que no es representativa a nivel de detalle del estudio inadecuada. La calidad
En general, la calibración del modelo, tanto en los puntos de venta tributarias y de cuencas asegurada reparto adecuado de precipitación y
espacial y temporal y la cantidad de mapas geoespaciales y series de tiempo climático a menudo no son capaces de realizar lo ideal para cada sub-cuenca del individuo (incluyendo
el agua del suelo en escorrentía superficial, la evapotranspiración real, y la recarga de las aguas subterráneas. 2 , Figura 5 una). En general,
afluentes aguas arriba con un pequeño drenaje Las estadísticas de resumen finales para la calibración SWAT y proceso de validación en cada medidor de flujo se dan a continuación
48% del río observado fl datos OW fueron capturados por el 95PPU simulado y el factor R promedio fue de aproximadamente 0,75 en la
(Tabla 2). El rendimiento más bajo en el indicador tributario puede ser debido a la calidad y cantidad de los datos de entrada, que no es representativa a nivel de detalle del estudio
escala de la cuenca. Las estadísticas de resumen final para la calibración de SWAT y el proceso de validación en cada medidor de flujo
inadecuada. La calidad espacial y temporal y la cantidad de mapas geoespaciales y series de tiempo climático a menudo no son capaces de realizar lo ideal para cada sub-cuenca del
son
individuo (incluyendo afluentes aguas arriba con un pequeño drenaje Las estadísticas de resumen finales para la calibración SWAT y proceso de validación en cada medidor de flujo se

dan a continuación (Tabla 2). El rendimiento más bajo en el indicador tributario puede ser debido a la calidad y cantidad de los datos de entrada, que no es representativa a nivel de

detalle del estudio inadecuada. La calidad espacial y temporal y la cantidad de mapas geoespaciales y series de tiempo climático a menudo no son capaces de realizar lo ideal para cada sub-cuenca del individuo (inclu
Agua 2019, 11, 110 12 de 28

dada a continuación (Tabla 2 ). El rendimiento más bajo en el indicador tributario puede ser debido a la calidad y cantidad de los datos de entrada,
que no es representativa a nivel de detalle del estudio inadecuada. La calidad espacial como temporal y la cantidad de mapas geoespaciales y
series de tiempo climático menudo no son capaces de realizar lo ideal para cada sub-cuenca del individuo (incluyendo afluentes aguas arriba con
pequeñas áreas de drenaje). Esta zona de incertidumbre se ha abordado en estudios anteriores [ 3 , 44 ]. Debido al enfoque en la aplicación de
nuevos escenarios para un modelo SWAT-MODFLOW acoplados, las estadísticas de resumen a continuación fueron tomadas sean satisfactorios
a efectos de acoplamiento con el MODFLOWmodel.

Tabla 2. estadísticas de resumen finales combinados para el modelo SWAT calibrado y validado. Inicial se refiere a antes de la calibración.
Agua 2019, 11, x para su revisión 12 de 30

áreas). Esta zona de incertidumbre ha sido abordado por estudios anteriores [3,44]. Debido al enfoque en la aplicación de nuevos escenarios
Área de R inicial 2 inicial
estación hidrométrica p-Factor de
para un modelo SWAT-MODFLOW acoplados, las estadísticas r-Factor
resumenRa 2continuación fueron tomadas sean satisfactorios
bR 2 a efectosbR
de 2 NSE
drenaje (km 2)
acoplamiento con el modelo MODFLOW.

Medidor de salida 11140 0.44 0.65 0.67 0.29 0,6282 0,0521 0.53
Medidor afluenteTabla 2. estadísticas de resumen
1041
finales combinados para el modelo SWAT calibrado y validado. Inicial se refiere a antes de la calibración.
0.52 0.85 0.58 0.46 0,5685 0,3774 -
Promedio (cuenca) - 0.48 0.75 0.6 2 0.37 0.59 0.21 -
hidrométrico Área de R inicial 2 inicial bR 2
p-Factor r-Factor R 2 bR 2 NSE
Estación drenaje (km 2)
3.1.2. MODFLOW
0.6 7 0,628 2
Medidor de salida 11140 0.44 0.65 0.29 0,0521 0.53
Como se indica en la Sección 2.3.2 , La salida de la cabeza hidráulica MODFLOW se calibró usando
0,5 8 0,568 5
Medidor afluente 1041 0.52 0.85 0.46 --
379 puntos, que consiste en dos pozos de observación de aguas subterráneas, pozos de agua y los dos 0.3774
medidores de flujo usado para
calibrar el modelo SWAT. Durante todo el proceso de calibración, se encontró que
Promedio 0.6 2el parámetro más sensible del modelo fue conductividad
-- 0.48 0.75 0.37 0.59 0.21 --
(cuenca)
hidráulica. Mientras que los valores manteniendo que eran representativas realista [ 22 ], Los valores de conductividad hidráulica eran modi
fi para crear capas heterogéneas
3.1.2. MODFLOW representante de la configuración geológica.

Como se indica en la Sección 2.3.2, la salida MODFLOW carga hidráulica se calibró usando 379 puntos, que consiste en dos
progreso de calibración
pozos se midió
de observación de las mediante la comparación
aguas subterráneas, de las
pozos de agua y loscabezas hidráulicos
dos medidores simulados
de flujo usado parael cabezas
para calibrar hidráulicas observadas
modelo SWAT.
Durante todo el proceso de calibración, se encontró que el parámetro más sensible del modelo fue conductividad hidráulica. Mientras
(Figura 6 ), Con varias estadísticas de resumen de uso común para cada paso de tiempo, incluyendo los RMS normalizados, la fi coeficiente
que los valores manteniendo que eran representativas realista [22], los valores de conductividad hidráulica se modificaron para crear
de correlación, el error estándar y la media residual. Para la mayoría de estas estadísticas, los valores más bajos indican una calibración más
capas heterogéneas representante de la configuración geológica.
precisa (con la excepción del coeficiente de correlación, donde los valores más cercanos a 1 indican una mejor fi t). Como se añadieron
progreso
datos más detallados de de calibración
recarga a partir se
delmidió mediante
modelo SWATla comparación
al modelode las cabezas hidráulicos
MODFLOW, simulado para
los resultados decabezas hidráulicas para
la calibración observadas
cada paso de tiempo
(Figura 6), con varios estadísticos de resumen de uso común para cada paso de tiempo, incluyendo los RMS normalizados, el coeficiente de
mejoradas, lo que demuestra la reacción positiva del modelo de recarga más variable. Los mejores estadísticas de rendimiento que obtienen
correlación, el error estándar y la media residual. Para la mayoría de estas estadísticas, los valores más bajos indican una calibración más
para toda la región, después
precisa de muchos
(con la excepción ensayosdede
del coeficiente cambiodonde
correlación, manual de parámetros,
los valores más cercanosfueron 0,96,
a 1 indican un mejor y - 21.3
6,5, ajuste). para
Como R 2, NRMS, y Rm,
se añadieron

respectivamente.datos
Estomás detalladosque,
demostró de recarga a partir
a pesar dedel modelo
que estosSWAT al modelo
valores MODFLOW,
de recarga los resultados
fi cos de la calibración
serían sustituidos para
por loscada
delpaso de tiempo
modelo SWAT, el modelo
mejoradas, lo que demuestra la reacción positiva del modelo de recarga más variable. Los mejores estadísticas de rendimiento que obtienen
MODFLOW se desempeña bien en las mismas condiciones como se utiliza en el modelo SWAT, y la raíz Normalizada del error cuadrático
para toda la región, después de muchas pruebas del cambio manual de parámetros, fueron 0,96, 6,5 y -21,3 para R 2, NRMS, y Rm,
medio (RMS) permanece relativamente
respectivamente. constante
Esto demostró entre
que, a pesar 6%
de que y 7%.
estos Aunque
valores losespecíficos
de recarga valores de salida
serían del agua
sustituidos por lossubterránea de recarga
del modelo SWAT, el desde el
modelo SWAT semodelo
utilizan directamente
MODFLOW en el bien
se desempeña MODFLOWmodel, cada como
en las mismas condiciones modelo producirá
se utiliza resultados
en el modelo SWAT, y ligeramente diferentes
la raíz Normalizado cuadrada basa en sus
media (RMS) de error permanece relativamente constante entre 6% y 7%. Aunque los valores de salida de las aguas subterráneas de
owmechanisms fl rigen (fl ow vs. red basada en diferencias finitas basado en HRU flujo).
recarga desde el modelo SWAT se utilizan directamente en el modelo MODFLOW, cada modelo producirá resultados ligeramente diferentes
en función de sus mecanismos de flujo de gobierno (basado en la HRU de flujo vs flujo de diferencias finitas basado en grid).

La Figura 6. gráfico de calibración para un rendimiento MODFLOW, la comparación de valores de carga hidráulica simuladas a los valores de carga hidráulicas

observadas en cada pozo de observación. gráficos similares se pueden visualizar en cualquier intervalo de tiempo durante todo el período de simulación.
Agua 2019, 11, x para su revisión 13 de 30

La Figura 6. gráfico de calibración para un rendimiento MODFLOW, la comparación de valores de carga hidráulica simuladas a los valores de carga
Agua 2019, 11, 110 13 de 28
hidráulicas observadas en cada pozo de observación. gráficos similares se pueden visualizar en cualquier intervalo de tiempo durante todo el período

de simulación.

3.2. SWAT-MODFLOW
3.2. SWAT-MODFLOW
Utilizando los modelos de componentes calibrados, un acoplado SWAT-MODFLOWmodel se ha creado usando un procedimiento similar
Utilizando los modelos de componentes calibrados, un modelo SWAT-MODFLOW acoplado fue creado usando un procedimiento similar
al de Bailey et al. [ 4 ]. Se utilizaron los resultados de la mediana de 95PPU SWAT-simulado, de 100 carreras de los mejores intervalos de
al de Bailey et al. [4]. Se utilizaron los resultados de la mediana de 95PPU SWAT-simulado, de 100 carreras de los mejores intervalos de
parámetros, para acoplar con el modelo MODFLOW. Para asegurar la precisión, el río resultados flujo para el SWAT-MODFLOWmodel se
parámetros, para acoplar con el modelo MODFLOW. Para asegurar la precisión, los resultados de flujo de río para el modelo
compararon con los datos observados en dos estaciones hidrométricas. Se encontró que el modelo SWAT calibrada constantemente
SWAT-MODFLOW se compararon con datos observados en dos estaciones hidrométricas. Se encontró que el modelo SWAT calibrada
bajo-predicho caudal de los ríos en el bajo flujo periodos (meses de invierno), probablemente debido a la limitada capacidad del modelo para
constantemente bajo predicho caudal de los ríos en períodos de bajo flujo (meses de invierno), probablemente debido a la limitada capacidad
tener en cuenta la descarga GW, con valores de reflujo cayendo a 0 m 3 / s en la mayoría de los casos (Figura 5 ). Sin embargo, los valores de los
del modelo para tener en cuenta la descarga GW, con valores de flujo de caer a 0 m 3 / s en la mayoría de los casos (Figura 5). Sin embargo, los
ríos de reflujo de por encima de 0 m 3 / s se simularon después del uso de la SWAT-MODFLOWmodel, indicando influencia del sistema de GW y
valores de flujo de rio por encima de 0 m 3 / s se simularon después del uso del modelo SWAT-MODFLOW, indicando la influencia del sistema
la necesidad de incorporar el componente de MODFLOW. El fl corriente simulada ow del modelo acoplado tenía precisión similar al de la
de GW y la necesidad de incorporar el componente de MODFLOW. El caudal simulado del modelo acoplado tenía una precisión similar a la del
modelo SWAT por sí mismo en ambos medidores de flujo (Figura 7 ), Con la R 2 estadística en los medidores de salida y tributarios para esta
modelo SWAT por sí mismo en ambos medidores de flujo (Figura 7), con la R 2 estadística en los medidores de salida y tributarios para esta
ejecución de SWAT-MODFLOWwere 0,54 y 0,484 respectivamente.
ejecución de SWAT-MODFLOW fueron 0,54 y 0,484 respectivamente.

La Figura 7. Comparación de la vs. simulado mensual observó corriente de flujo para la salida de la cuenca (Gauge Outlet en la figura 3 ).
La Figura 7. Comparación de la simulada mensual vs caudal observado para la salida de la cuenca (Gauge Outlet en la Figura
3).

Las salidas producidas por la caída modelo acoplado dentro de la gama aceptable de valores para el área de estudio, como el río
Las salidas producidas por la caída modelo acoplado dentro de la gama aceptable de valores para el área de estudio, como los
simulado fl valores OW producidos por el acoplado SWAT-MODFLOWmodel reproducen fielmente los resultados del modelo SWAT
valores de flujo río simulados producidos por el modelo SWAT-MODFLOW acoplado reproducen fielmente los resultados del modelo SWAT
calibrado (figura 6 ). Con respecto a la bolsa de GW-SW FL velocidades de flujo, incluso celdas de la cuadrícula MODFLOW con valores de
calibrado (Figura 6). Con respecto a las tasas de flujo de cambio GW- SW, incluso celdas de la cuadrícula MODFLOW con valores de
descarga de más de 50.000 m 3 / d convertir a m 3 / valores s de menos de 1, que son menores en comparación con las descargas de los ríos
descarga de más de 50.000 m 3 / d convertir a m 3 / valores s de menos de 1, que son menores en comparación con las descargas de los ríos
en la zona, en particular en el indicador de salida.
en la zona, en particular en el indicador de salida.

Una salida de clave de la SWAT-MODFLOWmodel es la interacción detallada GW-SW para la célula río eachMODFLOW en la cuenca
Una salida de clave del modelo SWAT-MODFLOW se detalla la interacción GW-SW para cada celda río MODFLOW en la cuenca
(véase la tabla A5 ). Esta salida se produjo en cada paso de tiempo (día), con valores de flujo grabadas con respecto al sistema GW. Como tal, los
(véase la Tabla A5). Esta salida se produjo en cada paso de tiempo (día), con valores de flujo grabados con respecto al sistema de GW.
valores positivos indican la recarga en el sistema GW, y los valores negativos indican descarga de aguas subterráneas a los ríos [ 34 ]. Para casi
Como tal, la recarga valores positivos indican en el sistema GW, y los valores negativos indican descarga de aguas subterráneas a los ríos
todas las células del río en la zona de estudio, la magnitud de la descarga simulada varió considerablemente. Estas variaciones se basaron en
[34]. Para casi todas las células del río en la zona de estudio, la magnitud de la descarga simulada varió considerablemente. Estas
una multitud de factores, pero deben principalmente a la cabeza hidráulica encontrado en cada una de estas células de los ríos. La conductividad
variaciones se basaron en una multitud de factores, pero deben principalmente a la cabeza hidráulica encontrado en cada una de estas
hidráulica de los acuíferos también puede afectar a la descarga simulada, especialmente en las zonas de conductividad variable (Figura 8 ).
células de los ríos. La conductividad hidráulica de los acuíferos también puede afectar a la descarga simulada, especialmente en las zonas
de conductividad variable (Figura 8).

El intercambio GW-SW simulado valores reflujo variar espacialmente, pero eran principalmente negativo, lo que indica la descarga de los
Los valores de cambio de flujo simuladas GW-SW variar espacialmente, pero eran principalmente negativo, lo que indica la descarga de los
acuíferos. Los valores positivos alcanzados en los centenares de metros cúbicos por día (hasta un máximo de 794 m 3 / d por celda de la
acuíferos. Los valores positivos alcanzados en los centenares de metros cúbicos por día (hasta un máximo de 794 m 3 / d por celda de la
cuadrícula), mientras que los valores negativos, en muchas celdas de la cuadrícula y pasos de tiempo, la mano en las decenas de miles de
cuadrícula), mientras que los valores negativos, en muchas celdas de la cuadrícula y pasos de tiempo, la mano en las decenas de miles de metros
metros cúbicos por día (a - 62.479 m 3 / d por celda de la cuadrícula). Esto indica una interacción significativa se produce entre los sistemas GW y
cúbicos por día (a -62.479 m 3 / d por celda de la cuadrícula). Esto indica una interacción significativa se produce entre los sistemas GW y SW de
SW de esta cuenca y será útil para proporcionar datos dinámicos a las proyecciones futuras GW-SW utilizando el flujos de trabajo aplicado aquí.
esta cuenca y
 Agua 2019, 11, x para su revisión 14 de 30
Agua 2019, 11, 110 14 de 28

será útil para proporcionar datos dinámicos a las proyecciones futuras GW-SW utilizando los flujos de trabajo aplicadas aquí.

Los datos de cambio GW-SW simulados (Figura 8 ) Muestran que las tendencias de cambio globales siguen siendo bastante

constante La simulación
durante deperíodo
todo el datos de
decambio GW-SW
simulación, (Figuraque
mientras 8) muestran
el (aguasque las tendencias
arriba) porción surde
delcambio generales
río mostró la mássiguen siendo bastante
pronunciada fluctuación
constante durante todo el período de simulación, mientras que la parte sur (aguas arriba) del río mostró la fluctuación más pronunciado
entre los meses húmedos y secos, con una menor recarga relativa del río que ocurren durante enero, y más filtraciones río (es decir, de
entre los meses húmedos y secos, con una menor recarga relativa desde el río que ocurren durante enero, y más filtraciones río (es decir,
descarga menos acuífero) que tendrá lugar en junio. Además, el afluente encuentra dentro de Sub-cuenca 13 de la zona de estudio
menos de descarga acuífero) teniendo lugar en junio. Además, el afluente encuentra dentro de Sub-cuenca 13 de la zona de estudio
consistentemente las tasas de descarga más altas habían observado. La razón de estos patrones simulados puede ser debido a los estratos
consistentemente las tasas de descarga más altas habían observado. La razón de estos patrones simulados puede ser debido a los
de roca de fondo regional: más formaciones pellizcan y saliente hacia el norte (véase la figura 3 ), Por lo que los cambios en los patrones de
estratos de roca de fondo regional: más formaciones pellizcan y saliente hacia el norte (véase la figura
fluencia pueden ser causadas en parte por la conductividad hidráulica de capas que están cerca de la superficie.

3), por lo que los cambios en los patrones de flujo pueden ser parcialmente causados ​por la conductividad hidráulica de capas que están cerca de la

superficie.

Figura 8. A8.largo
Figura plazo
A largo (1986-2007)
plazo dede
(1986-2007) agua subterránea
agua subterráneapromedio
promediomensual
mensualde
delalasuperficie
superficie (GW-SW)
(GW-SW) las diferencias de cambio
diferencias de cambiode
delala media

anual ( una)
media para
anual cadapara
( una) celda río MODFLOW,
cada en los meses
celda río MODFLOW, en losde enerode( segundo),
meses enero ( segundo),
juniojunio ( do),
( do), y octubre
y octubre ( re).
( re). DevDev
(m 3(m 3 /=d)
/ d) = mensual
mensual (m 3(m - anual
3 / d)
/ re) - anuales
(m 3 (m 3 / re).
/ re).

3.3. 3.3.
La solicitud de modelo
La solicitud para
de modelo el examen
para dede
el examen GW dede
GW bombeo
bombeoy yEscenarios
Escenariosde
deCambio
Cambio Climático
Climático

Como se discute
Como en en
se discute la Sección 2.22.2,
la Sección , 2121
pozos fueron
pocillos incluidos en
se incluyeron en el
el SWAT-MODFLOWmodel
modelo SWAT-MODFLOW(Figura
(Figura22a),
una),
con velocidades de
con bombeo
tasas dede
bombeo
468 m 3de 468
/ re. m 3 / re.para
Pantallas Pantallas para cada
cada pocillo pocillo
fueron fueron aasignados
asignados uno de losa dos
unoacuíferos
de los dos
enacuíferos enestudio:
el área de el área odebien
estudio: o bien el
el Paskapoo o
Paskapoo o la formación
la formación Wapiti,
Wapiti, cada unocada uno
que ya que ya contienen
contienen pozos de pozos de tasa
agua. La agua.
deLa tasa defue
bombeo bombeo
tomadofue
detomado de un
un ejemplo deejemplo de extracción
extracción de agua dede
pozo
agua perforado
de pozo por unpor
perforado operador en el en la zona de estudio, y era activo en el modelo para la mitad de cada año después del período de
un operador
calentamiento de 3 años, comenzando en el inicio de cada año simulación.
Agua 2019, 11, 110 15 de 28

Como era de esperar, las cabezas hidráulicas en las regiones con pozos disminuyen, con una diferencia de hasta 5 m de reducción
observada en comparación con el SWAT-MODFLOWmodel sin pozos de bombeo. Además, la influencia del agua de bombeo así tuvo un
efecto sobre la célula celular por observados GW-SW tasas de flujo. En promedio, la tasa de descarga del acuífero al río disminuyó, con la
tasa de flujo simulada cambiar de - 1294 m 3 / d para - 1261 m 3 / re. Esta velocidad de descarga disminuye en 329 de las células de río 405, y
la disminución máxima observada en descarga fue de 938 m 3 / re.

El cambio interacción GW-SW observada es probablemente debido al hecho de que a medida que el agua se extrae de la subsuperficie,
menos del agua restante está disponible para proporcionar la base flujo de los ríos. Dependiendo de la tasa y calendario de bombeo (incluyendo
el número de pozos de bombeo), estos resultados muestran que los efectos de bombeo son inmediatamente observable, y pueden afectar las
tasas de descarga de los ríos asociados. Sin embargo, en la velocidad de bombeo a prueba de 468 m 3 / d, la descarga disminuye en términos de
las tasas globales de descarga (~ 150 m 3 / s) del pequeño río ahumado son relativamente insignificantes. Esto sugiere que los acuíferos lecho de
roca dentro del área de estudio podrían apoyar agua de pozo de bombeo a tasas similares a las ensayadas.

Un cambio climático ejecutar durante el período 2010-2034 fue el siguiente escenario para ser aplicado. El acoplado
SWAT-MODFLOWmodel se ejecutó cinco veces por separado, con cada uno un conjunto de datos GCM escala reducida diferente (ver sección 2.4 ).
Los resultados de cada ejecución se promedian entonces para producir una salida armonizada, con los tipos de cambio GW-SW muestran en la
figura 9 . Inmediatamente perceptible en la fi gura es que los resultados a largo plazo históricos anuales medios de los patrones de interacción
GW-SW tienen un aspecto similar a los resultados de los escenarios de cambio climático. Este es el caso, ya que la velocidad de flujo histórico
promedio general fue de - 1.294,04 m 3 / d, mientras que la de los escenarios de cambio climático fue promediados - 1.294,14 m 3 / d (tanto indicando
de descarga general en el río). Estos resultados indican que los efectos del cambio climático en esta cuenca en el período 2010-2034 son
insignificantes. Una posible razón para la falta de influencia del escenario de cambio climático es que el período de simulación era bastante corto
en términos de tendencias globales del clima, con pocos cambios que ocurren en el CO predicho 2 concentración durante este intervalo de tiempo
para el escenario RCP8.5, así como todos los otros escenarios (~ 375 a ~ 475 ppm; 41). Aunque la simulación utilizado en este estudio para el
análisis de escenarios era un promedio, hay que señalar que cada modelo de cambio climático acoplado individuo produjo resultados de la
simulación relativamente similares, de nuevo probablemente debido a la proyección de futuro a corto plazo.

Como el escenario más complejo a ensayar en este estudio, los cinco escenarios de cambio climático acopladas se llevaron a cabo
de nuevo con un MODFLOWmodel que incluía la mayor velocidad de bombeo de 4680 m 3 / d por pocillo. Los efectos de las elevadas tasas
de bombeo causado un cambio más notable en el patrón de interacción GW-SW de la cuenca de las previsiones 2010-2034. El aumento
sustancial en el volumen de agua bombeada dejado menos almacena GW en los acuíferos primarios (es decir, la Paskapoo Fm.), Como se
observan las tasas globales de descarga para cada célula río para disminuir (Figura 9 ). Esta tendencia de almacenamiento también se
puede observar en la MODFLOWmodel antes del acoplamiento, con fundentes de todo el modelo de almacenamiento de clavar para
corresponder con intervalos de bombeo (de los totales de ONU-bombeado bajo 1 m 3 / d hasta máximos totales de ~ 1.000.000 m 3 / re).
Mientras que la descarga total promedio en los ríos era 1,294 m 3 / d en la inicial SWAT-MODFLOWmodel (1983-2007), este promedio se
redujo a 1.174 m 3 / d después de simular con los MCG RCP8.5 y el calendario de bombeo elevada, con la célula por célula fl owrate
diferencias van desde menos de 5 m 3 / d a más de 3.000 m 3 / d (descarga decreciente en 320 de 405 células río). Una comparación del
cambio en la descarga del acuífero bajo los escenarios de simulación ensayados, es decir, con bombeo y sin bombeo, indica que
antropogénico influencia puede tener efectos más inmediatos en la cuenca que los de cambio climático, incluso a la tasa más baja de 468
m 3 / re.

Aunque el agua simulaciones de bombeo de pozos eran la única antropogénico influencia aplicado a este estudio, el cambio en el
intercambio GW-SW se podía medir en una escala regional. Sin embargo, el impacto ambiental en el área de estudio sólo crecerá el
estudio de sectores adicionales, tales como la agricultura. El hecho de que los efectos potenciales de estas operaciones ahora pueden
cuantificarse con respecto tanto a GW y recursos SW es ​una clave beneficio de usar un modelo acoplado.
Agua 2019, 11, 110 16 de 28
Agua 2019, 11, x para su revisión 16 de 30

La capacidad
La capacidad de SWAT-MODFLOW
de SWAT-MODFLOW parapara simular
simular el hidro
el logy logy hidro
(geo)(geo) decuenca
de una una cuenca es totalmente
es totalmente dependiente
dependiente de la precisión
de la precisión de sus
de sus modelos de componentes. Debido a mucho tiempo que se gasta en la calibración tanto de los modelos SW y GW, el
modelos de componentes. Debido a mucho tiempo que se gasta en la calibración tanto de la SW y GWmodels, el resultado acoplado
resultado acoplado demuestra ser robusta en términos de su representación de descargas de los ríos (Figura 7). Al igual que en el
demuestra ser robusta en términos de su representación de las descargas River (figura 7 ). Al igual que en el modelo de río Sprague construido
modelo de río Sprague construido por Bailey et al. [4], la variación espacial de alta en los tipos de cambio GW-SW se puede ver en
por Bailey et al. [ 4 ], La variación espacial de alta en tipos de cambio GW-SW se puede ver en cada SWAT-MODFLOW fi gura en la Sección 3 .
cada figura SWAT-MODFLOW en la Sección 3. La capacidad de obtener información sobre estos patrones puede llegar a ser crucial
La capacidad de obtener información sobre estos patrones puede llegar a ser crucial para la gestión de la información de los recursos tanto
para la gestión de la información de los recursos tanto SW y en GW esta cuenca, así como cualquier otra en la que se ha aplicado
SW y GW en esta cuenca, así como cualquier otra en la que se ha aplicado un GW-SWmodel. Por otra parte, cuando se incluyen factores de
un modelo GW-SW. Por otra parte, cuando se incluyen factores de estrés adicionales, tales como el cambio climático y las
estrés adicionales, tales como el cambio climático y las simulaciones de bombeo, da más información desde una perspectiva de gestión de
simulaciones de bombeo, da más información desde una perspectiva de gestión de riesgos,
riesgos, lo que puede ayudar a los operadores y reguladores para comprender mejor los efectos de la influencia antropogénica dentro de una
cuenca.

La Figura 9. A largo plazo (1986-2007) datos anuales medios de cambio del GW-SW ( una), y las diferencias de los datos medios anuales para cada
La Figura 9. A largo plazo (1986-2007) datos anuales medios de cambio del GW-SW ( una), y las diferencias de los datos medios anuales para cada
celda MODFLOW río, con una velocidad de bombeo de 468 m 3 / d ( segundo), la RCP8.5 promediado (la emisión de gases de efecto invernadero más
celda MODFLOW río, con una velocidad de bombeo de 468 m 3 / d ( segundo), la RCP8.5 promediado (la emisión de gases de efecto invernadero más
pesada) escenario para 2010-2034 ( do), y el escenario RCP8.5 promediado con una velocidad de bombeo de 4680 m 3 / d ( re). Dev (m 3 / d) = mensual
pesada) escenario para 2010-2034 ( do), y el escenario RCP8.5 promediado con una velocidad de bombeo de 4680 m 3 / d ( re). Dev (m 3 / d) = mensual (m 3
(m 3 / re) - anual (m 3 / re).
/ d) - anuales (m 3 / re).

3.4. limitaciones
3.4. limitaciones
Si cada modelo de componentes está construido y calibrado de manera efectiva, SWAT-MODFLOW actúa como una poderosa
Si cada modelo de componentes está construido y calibrado de manera efectiva, SWAT-MODFLOW actúa como una poderosa
herramienta para la simulación de la interacción GW-SW integrado. Aunque esto ha sido establecido en el presente estudio y los realizados
herramienta para la simulación de la interacción GW-SW integrado. Aunque esto ha sido establecido en el estudio actual y los realizados
anteriormente [ 4 , 6 , 11 , 12 ], La novedad actual del modelo y la dependencia de sus componentes dan lugar a algunas limitaciones. El
anteriormente [4,6,11,12], la novedad actual del modelo y
rendimiento de un SWAT-MODFLOWmodel se rige por la calidad y el refinamiento de sus componentes. Por lo tanto, en las áreas de estudio
que puede carecer de
Agua 2019, 11, 110 17 de 28

ya sea GW- o entradas o datos de observación relacionada SW-, la capacidad de producir un modelo fiel puede ser limitada. Además, este
modelo acoplado se encuentra con una limitación compartido con todos los modelos: el equilibrio entre la precisión cientí fi ca y la carga
computacional, manteniendo el objetivo de estudio en mente. Uno tiene la flexibilidad con SWAT-MODFLOW para discretizar sus dos modelos de
componentes a cualquier re deseada refinamiento [ 4 , 12 ]. Sin embargo, los objetivos del estudio (y la falta de acceso a datos / alimentación
computacional) pueden limitar la capacidad de producir modelos de tal detalle fi ne. En tales casos, las limitaciones de SWAT y MODFLOWmay,
de hecho, resurgir. El modelo acoplado utiliza los mejores resultados de simulación para golpe violento, y la fi resultados NAL de calibración
manual para MODFLOW, que se considera que es satisfactorio para los propósitos de este estudio. Como estos componentes están sujetos a no
unicidad, los futuros estudios que utilizan múltiples métodos de calibración son una oportunidad para hacer frente a la incertidumbre en el modelo
acoplado. Además, el componente de SW de SWAT-MODFLOW, SWAT, se utiliza principalmente para estudios regionales de la hidrología
debido a su esquema computacional basado en la HRU fi ciente [ 3 , 4 ]. Debido a esto, la capacidad de SWAT-MODFLOW para simular procesos fi
c sitio-específico a corto plazo puede ser limitada. Por eso es importante para un proceso de selección del modelo adecuado que se produzca de
manera que se cumplan los objetivos del estudio.

Estudiar especí fi cas limitaciones de nuestra SWAT-MODFLOWmodel incluyen el hecho de que los modelos de componentes se
calibraron durante un período relativamente breve con respecto a la hidro-climático global. Como los parámetros calibrados reflejan la
evolución a corto plazo de más de 25 años, las variaciones temporales de gran escala pueden no han sido tomados en consideración. A la
luz de esto, se necesitan más estudios para evaluar la solidez de este modelo cuando se somete a una gama más amplia de la variabilidad
natural del clima, incluyendo la adición de más escenarios de cambio climático. Para evaluar de forma más completa las diversas
demandas dentro del nexo alimentos-agua-energía, agua conflictos entre sectores también será un área creciente de estudio. Como este
tipo de investigación, la realización donde las tasas de extracción de agua del petróleo,

4. Conclusiones

Cada vez es más importante entender la interrelación de los recursos hídricos, y considerar de una manera unificada. Esto es
especialmente cierto en áreas como Alberta, donde signi fi cativas demandas se colocan en estos sectores frommultiple recursos. modelos
lógicos Hydro (GEO) nos pueden ayudar a predecir y visualizar escenarios complejos, así como para tomar decisiones más informadas
acerca de la gestión de estos recursos. Junto hidro o integrado (GEO) modelos lógicos son una de las herramientas emergentes críticos
para este fin, ya que el seguimiento de las interacciones entre ambos los componentes vitales del sistema hidrológico.

Este estudio probó la solidez de uno de estos modelos, SWAT-MODFLOW, en un área de diversa climático y hidrogeología, e
incluyó tanto de bombeo y el cambio climático para determinar los efectos relativos sobre la cuenca del estudio. Aunque algunos modelos
totalmente integrados pueden ofrecer una representación más fiel del modelo conceptual sitio [ 8 ], El código relativamente fácil de usar y
rentable prueba aquí realizado con éxito bajo la lógica y las condiciones meteorológicas muy variables hidro (geo), mientras que la
incorporación de un sistema de lecho de roca más profundo, más complejo que cualquier antes SWAT-MODFLOWmodel. El modelo
también incluye factores adicionales, como la nieve influencia, que no habían sido incluidos en estudios previos SWAT-MODFLOW. La
implementación de este SWAT-MODFLOWmodel demostrado que GW tiene una fuerte influencia sobre la hidrología de la cuenca del río
Little ahumado, descargando volúmenes significativos de agua en los ríos y afluentes de la zona de estudio. Esto refuerza la importancia
de examinar SW y GW como un solo sistema, como las demandas puestas sobre uno tienen efectos directos sobre la otra.

El trabajo de modelado flujos desarrollado aquí se puede utilizar para aplicar escenarios de interacción newGW-SW con una multitud de tanto

naturales como antropogénicos influencias. El uso de este modelo puede ayudar a los científicos a rastrear los recursos hídricos con mayor precisión, y

puede informar a las decisiones tomadas por los políticos cuya prioridad es asegurar que este recurso vital puede permanecer disponibles para todos los

que lo necesitan.
Agua 2019, 11, 110 18 de 28

Contribuciones de autor: DSA y MF concebido y diseñado los experimentos y los supervisados ​modelado y fi hallazgos de este trabajo; DC realizó los
experimentos y se analizaron los datos; BS asistida en el desarrollo del marco hidrogeológico; DC escribió el primer borrador del documento, y todos los
otros co-autores contribuyeron en el proceso de revisión del documento.

Fondos: La financiación de este trabajo ha sido recibido de una subvención de Ciencias Naturales e Ingeniería de Investigación de Canadá (NSERC)
Collaborative Research y Desarrollo (CRDPJ 469308-14) en colaboración con el Encana Corporation, Alberta becas, y el Programa de Innovación Alberta
Campus (CAIP) Premio silla (Grant # RES0030781).

Expresiones de gratitud: Nos gustaría dar las gracias al Servicio Geológico de Alberta de la energía Regulador de Alberta para colaborar en el modelo
geológico regional.

Los conflictos de interés: Los autores declaran no tener ningún con fl ictos de interés. Los patrocinadores fundadores tuvieron ningún papel en el diseño del
estudio; en la recogida, análisis, o interpretación de los datos; en la redacción del manuscrito, ni en la decisión de publicar los resultados.

Apéndice A figuras, tablas y flujos de trabajo

Tabla A1. Lista de los principales acontecimientos en la SWAT MODFLOW usar, con modelos alternativos enumeran a continuación.

SWAT-MODFLOWModels

Año Autor Título Desarrollos clave

modelado numérico integrado para la gestión del

En primer lugar totalmente acoplado
agua en toda la cuenca: El caso de la cuenca de
1999 Sophocleous et al. SWAT-MODFLOWmodel estar
cascabel en la cala
aplicada a una cuenca
el centro-sur de Kansas

Publicado por primera modelo SWAT-MODFLOW

Desarrollo y aplicación de la integral
2008 Kim et al. para incluir un agua detallada
SWAT-MODFLOWmodel
así horario de extracción

En primer lugar SWAT-MODFLOWmodel a

Un marco de integración modelo para ligarse han construido modelos de componentes de
2015 Guzman et al.
SWAT y MODFLOW forma simultánea (utilizando

SWATmf-app)

La evaluación de patrones temporales a escala regional

Primer código MODFLOW-SWAT que se recibe la
de agua subterránea a la superficie
2016 Bailey et al. aprobación SWAT, y disponible públicamente en el
interacciones utilizando un acoplado
sitio web de SWAT
SWAT-MODFLOWmodel

Otros disponibles GW-SWModels

Autor y Modelo
Año Título Desarrollos clave
Nombre

Simulando complejo flujo y el transporte

Sudický et al .: dinámicas en un modelado de Más potente herramienta de GW-SW
2008
HydroGeoSphere superficie-subsuperficie integrado actualmente disponible
marco de referencia

GSFLOW - Junto aguas subterráneas y superficiales

FlowModel basa en la integración de la
GW-SWmodel desarrollado por el USGS.
Markstrom et al .: precipitación-escorrentía
2008 competidor directo con
GSFLOW Sistema de Modelado (PRMS) y la tierra
SWAT-MODFLOW
modular-Agua FlowModel
(MODFLOW-2005).
Agua 2019, 11, 110 19 de 28

Tabla A2. Los datos de entrada necesarios para la MODFLOWmodel, y sus fuentes.

Las fuentes de datos para SWATModel

Tipo conjunto de datos Resolución / Cobertura Espacio de tiempo Hora de caminar Región Referencia

Estaciones meteorológicas N/A 1983-2007 Diario Local Faramarzi et al., 2015

Clima
Diaria (calibración
Transmitir flujo 2 en el Área de Estudio 1986-2007 Local http://www.ec.gc.ca/rhc-wsc/
mensual)

Mapa de Elevación Digital 30 m × 30 m N/A N/A Provincial (Jarvis et al., 2008)

Mapas digitales Uso de la Tierra 13 clases de elemento 1983-2007 N/A Local http://www.geobase.ca/geobase/en/data/landcover/csc2000v/description.html
Mapa de suelos 20 clases de elemento 1983-2007 N/A Local http://sis.agr.gc.ca/cansis/nsdb/slc/index.html

downscaled
Cambio climático Precipitación 300 arco sec 2010-2034 Diario Pacífico Impactos del Clima Consortium (PCIC) Cannon et al., 2015
en local
Datos
downscaled
Temperatura 300 arco sec 2010-2034 Diario Pacífico Impactos del Clima Consortium (PCIC) Cannon et al., 2015
en local

Las fuentes de datos para MODFLOWModel

Tipo conjunto de datos Resolución / Cobertura Espacio de tiempo Hora de caminar Región Referencia

Lecho de roca Formaciones-Sur 1 km × 1 km N/A N/A Local Servicio Geológico de Alberta

Elevación
Lecho de roca Formaciones-Norte escogida Fm. tops. 20 pozos N/A N/A Local AccuMap

Propiedades de la Conductividad hidráulica,

1 km × 1 km N/A N/A Local Servicio Geológico de Alberta
roca de fondo Speci fi c Storage

Carga constante N/A 1983-2007 Constante Provincial (Brinsky, 2014), de salida SWAT
Las condiciones
ríos 405 celdas de la cuadrícula 1983-2007 Constante Local salida de SWAT
de contorno
Recargar Subcuenca escala 1986-2007 Mensual Local salida de SWAT

Diaria (calibración
Observación Wells / Transmitir flujo 2 en el Área de Estudio 1986-2007 Local http://www.ec.gc.ca/rhc-wsc/
mensual)
Medidores
Pozo de agua Records 377 en el Área de Estudio 2002-2007 Esporádico Local Alberta Medio Ambiente y Parques

1101-9131 días de
Tasa de bombeo de Encana Bueno. Auto
pozos de bombeo 21 en el Área de Estudio MODFLOW Semi-anual Local EnCana Corporation
colocación en el modelo
Simulación
Agua
Agua 2019, 11,110
2019,11, x para su revisión 2120de
de30
28

UNA segundo

Figura A1. (UNA) Little River ahumado tipos de suelo de captación, y ( SEGUNDO) tipos de uso del suelo. Los tipos de suelo y uso de la tierra corresponden
Figura A1. (UNA) Little
aproximadamente a las River ahumado
elevaciones tipos
en la quede
sesuelo de captación, y ( SEGUNDO) tipos de uso del suelo. Los tipos de suelo y uso de la tierra corresponden
encuentran.

aproximadamente a las elevaciones en la que se encuentran.

Trabajar flujo 1. proceso completo de exportación de datos río desde un modelo SWAT para crear un límite .RIV para un MODFLOWmodel.
Flujo de trabajo 1. proceso completo de exportación de datos río desde un modelo SWAT para crear un límite .RIV para un modelo MODFLOW.

1. Exportar la cuadrícula MODFLOW, y la importación en SWAT como una forma fi l.

1.
2. Exportar la cuadrícula
Geo-referencia a laMODFLOW,
rejilla (queyse
la importación en SWATen
hizo manualmente como unestudio)
este archivo de formas.
para solaparse con la cuenca de la zona de estudio.
2. Geo-referencia la rejilla (que se hizo manualmente en este estudio) se superponga con la cuenca del
Área de estudio.
3. Haga clic derecho en la forma de la rejilla MODFLOW archivo, seleccione “Se une y relaciona,” y luego “Join”.
3. Haga clic derecho en el archivo de forma de rejilla MODFLOW, seleccione “Se une y relaciona,” y luego “Join”.
4. Seleccione “Join datos de otra capa basada en la localización espacial.”
4. Seleccione “Join datos de otra capa basada en la localización espacial.”
5. Seleccione la clase de entidad de punto que la capa de unión.
5. Seleccione la clase de entidad de punto que la capa de unión.
6. Elegir la segunda opción: Cada polígono se le dará todos los atributos de la línea que está más cerca de su límite, y el resultado será
6. Elegir la segunda opción: Cada polígono se le dará todos los atributos de la línea que está más cerca
una capa de unión. La fi distancia led (último en la tabla de atributos) muestra qué tan cerca de la línea es a cada célula. Por lo tanto,
a su límite, y el resultado será una capa de unión. La distancia presentada (último en la tabla de atributos) muestra la proximidad de la línea
una línea que cae dentro de un polígono se trata como siendo más cercano al polígono (es decir, una distancia de 0).
es a cada celda. Por lo tanto, una línea que cae dentro de un polígono se trata como siendo más cercano al polígono (es decir, una distancia

de 0).
7. Seleccione las celdas que le interesan por fi ltrado en base a la ficción “Distancia” dirigido.
7. Seleccione las celdas que le interesan mediante el filtrado basado en la “distancia” presentada.
8. Exportación de las celdas seleccionadas.
8. Exportación de las celdas seleccionadas.

Trabajar
Flujo flujo 2.2.
de trabajo proceso
procesocompleto
completodedecreación
creaciónde
deun
un.RCH fi l .RCH
archivo de la salida
desde de un modelo
la salida de unSWAT
modeloimportar al MODFLOWmodel
SWAT para del
importar en el modelo
proyecto.
MODFLOW del proyecto.

1. Abra Abra
1. el “output.hru”
el archivo fi l para el modelo SWAT calibrado en Microsoft Excel.
“output.hru”
2.
2. Realizarlalaoperación
Realizar operaciónde
detexto
textoaacolumnas
columnassisies
esnecesario
necesario(para
(paraseparar
separar datos
datos por
por columna).
columna).
3.
3. Eliminar todastodas
Eliminar las columnas excepto
las columnas “HRU”,
excepto “SUB”,
“HRU”, “MON”
“SUB”, y “GW_RCHGmm.”
“MON” Esto Esto
y “GW_RCHGmm.” dará dará
lugarlugar
a unaa una hoja de cálculo con los valores
hoja de cálculo
mensuales decon los valores
recarga mensuales
GW para todo el de recarga
período deGW para todo el período de simulación.
simulación.
4.
4. Eliminar las filas
Eliminar las promedio anualanual
filas promedio en cada columna.
en cada columna.
5.
5. CrearCrear
dos columnas para para
dos columnas Time Time
1 (T1)1 y(T1)
tiempo de 2 (T2),
y tiempo con elcon
de 2 (T2), díaelMODFLOW inicialinicial
día MODFLOW en T1eny T1 y el día MODFLOW final en T2 para
MODFLOW el día
cada período final enmensual.
de estrés T2 para cada período
Añadir de estrés
filas hasta el díamensual. Añadir de
de finalización filaslahasta el día de
simulación. finalización
Repetir de la sub-cuenca.
para cada simulación. Repetir
para cada sub-cuenca.
6. Organizar columnas en el siguiente formato:
6. Organizar columnas en el siguiente formato:
Agua 2019, 11, 110 21 de 28
Agua 2019, 11, x para su revisión 22 de 30

Agua 2019, 11, x para su revisión 24 de 30

rugosidad de Manning coeficiente

r__OV_N.hru ( “n”) de tierra -0.38 -0.075 0.2275
flujo (0,010-0,480)
pendiente media de la pendiente (y / x,
v__HRU_SLP.hru -- 0.32625 0.0625
o m / m).
7. 7. la Inserte
Inserte hoja dela cálculo
hoja de cálculo en el medio
en el medio de la del archivo MODFLOW
MODFLOWVMP fi l. VMP.
Longitud media de la pendiente (m), medida

en el punto que el flujo comienza a

v_SLSUBBSN.hru
Cuadro A3. medidores de tiempo cerca del pequeño río ahumado de cuencas hidrográficas,- con - el ejemplo de humedad promedio y los
66.449997 datos de
31.4
Cuadro A3. Tiempo medidores cerca del pequeño río ahumado
concentrarse. Genedeconcentraciones
cuencas hidrográficas,
No m ás con el ejemplo de humedad promedio y los datos de velocidad del
velocidad del viento 2018 (modificado de Alberta Agricultura y Silvicultura, 2018).
viento 2018 (modi fi cada de Alberta Agriculturadey 90 m.
Silvicultura, 2018).
Nombre de estación Fecha
Ava wat ilable Avg.
la capacidad Humedad (%)
de ER Avg. Velocidad del viento (km / h)
v__SOL_AWC (). sol
Nombre de estación Fecha Avg. Humedad 0.18
(%) 0,233
Avg. Velocidad del viento (km / h)
0.333425
Pass Creek Auto (mm H 2 O / mm del suelo) 81.216
Ene-18
capa de suelo 14.408
PassPass
CreekCreek
Auto Auto Suelo
de enerosaturado
de 2018 conductividad 74.663
Feb-18 81.216 14.408
15.504
r__SOL_K (). sol -0.22 -0.16465 -0.137675
Pass Creek Auto de febrero de 2018
hidráulica (mm / h) 74.663 15.504
Pass Creek Auto Mar-18 75.862 13.368
Pass Creek Auto de marzo de 2018 75.862 13.368
Pass Creek Auto Soil densidad aparente
Apr-18 húmedo (g / cm 3
60.831 13.703
Pass Creek Auto de abril de 2018 60.831 13.703
r__SOL_BD o Mg
(). sol automático de / m 3). generalmente entre 55.098 -0.3 -0.08575 13.886 -0.00035
PassCreek
Creekpase
Auto mayo-18
mayo 2018 55.098 13.886
Fox Creek Auto Auto
Fox Creek 1,1 dey2018
Ene-18
de enero 1,9 g / cm 3 91.742
91.742 5.351
5.351
Fox Creek Auto Auto
Fox Creek
albedo del suelo
de febrero (húmedo). Relación de la luz
de 2018
Feb-18 85.69
85.69 7.517
7.517
Fox Creek
r__SOL_ALB ().Auto
sol solarde marzo de
reflejada 2018
a la luz solar 83.403 0.06 -0.125 6.156 0,095
Fox Creek Auto Mar-18 83.403 6.156
Fox Creek Auto de abril de 2018
que golpea el suelo. 68.481 7,047
Fox Creek
Fox Creek Auto Auto Apr-18
mayo 2018 68.481
60.418 7,047
5,788
Fox TEGD
valleyview
v__SUB_SFTMP Creek Auto
(). temperatura sno mediaMayo-18
de enero adela2018
que 60.418
80.788 -19 -- 5,788
13.637 -0,2425
se produce nevadas (grados C)
valleyview TEGD
Valleyview TEGD Ene-18 de febrero de 2018 73.689
80.788 14.826
13.637
valleyview TEGD la temperatura umbral para derretir la nieve
de marzo de 2018 73.701 13.008
Valleyview AGDM Feb-18 73.689 14.826
v__SUB_SMTMP (). sno
valleyview TEGD que sede produzca (grados
abril de 2018 64.145 3 -- 14.121 0,9315
Valleyview TEGD 18-Mar 73.701 13.008
valleyview TEGD mayo 2018 DO) 51.202 14.368
Valleyview
tony Auto AGDM Apr-18 de enero de 2018 64.145
79.896 14.121
9.475
factor de fusión de la nieve el 21 de junio
r__SUB_SMFMX (). sno
tony Auto
Valleyview TEGD mayo-18de febrero de 2018 51.202
73.379 -0.14 -- 10.158
14.368 -0.135
(mm H 2 O / grados C-día)
tony Auto de marzo de 2018 73.376 9,599
tony Auto Ene-18 79.896 9.475
factor de fusión de la nieve el
tony Auto de abril de 2018 58.563 10.172
r__SUB_SMFMN tony Auto
(). sno Feb-18
21 de2018
diciembre (mm H 2 O /
73.379 -0.14 -- 10.158 0,055
tony Auto mayo 53.644 9,312
tony Auto
Berland Hills Auto Mar-18
grados
de enero C-día)
de 2018 73.376
77.735 9,599
5.273
Berland Hills
tony Auto
Auto deApr-18
de febrero
factor de la temperatura de 58.563
de 2018
retraso la 66.339 10.172
7.704
Berland Hills
tony Auto
Auto de marzo de 2018 70.743
53.644 7,092
9,312
capa deMayo-18
nieve (influenciada por la capa de
v__SUB_TIMP (). Auto
Berland Hills sno de abril de 2018 59.774 0,425 -- 8.02 0.135322
Berland Hills Auto nieve delEne-18
día anterior 77.735 5.273
Berland Hills Auto mayo 2018 59.223 7,958
Berland Hills Auto Feb-18
temperatura) 66.339 7.704
Berland Hills Auto Mar-18 70.743 7,092
Berland Hills Auto Abr-18 59.774 8.02
Medidor de Corriente Tributaria
Berland Hills Auto Mayo-18 59.223 7,958
Validación Calibración

70

60
Discharge (m 3 / s)

50

40

30
95PPU
20
observado
10

0 Best_Sim
mayo-abril
Jul-2 junio

5-Feb-06
4-marzo
Sep- 00
Jan-86

May-93
Nov-87

Sep-89

Ago-90

Nov-98

01-Ago
Mar-95

Feb-96
Jun-92

Jan-97
Oct-88

Abr-94

Oct-99
Dic-86

Dic-97
Jul-91

a3

07

Fecha

Figura A2.Figura A2. Calibración

Calibración y validación
y validación de losde los resultados
resultados del del medidor
medidor afluentecuencas
afluente cuencas poco
pocorío
ríoahumado.
ahumado.
Agua 2019, 11, 110 22 de 28

Tabla A4. Lista de fi niciones para todos los parámetros utilizados en el proceso de calibración SWAT-CUP (de fi niciones sobre la base de

Abbaspour [ 35 ]). parámetros “sno” solamente se aplican a sub-cuenca 24. Todos los demás parámetros se repitieron con valores únicos para

sub-cuenca 24. “v” denota cambios exactos de valor, mientras que “r” indica los cambios relativos (en un porcentaje) al parámetro valor de la

participación. El “-” en algunas células indica que no se utilizó ningún valor.

Parámetro De fi nición Inicial Final Final (Sub 24)

cambio Precipitación con mayor elevación

v__PLAPS.sub - 4.85 -
(MmH2O / km).

El cambio de temperatura con una mayor elevación

v_TLAPS.sub - - 13.65 -
(Grados C / km).

v__TMPINC (). sub Max / ajuste de la temperatura min (grados C) - - 0.01575 - 0.25925

r__CN2.mgt número de curva del suelo (en función de la permeabilidad del suelo) 0.3 - 0.20125 - 0.44985

Base flujo factor alfa. subterránea medidores

r__ALPHA_BF.gw 0.1 0.1405 0,312
respuesta a los cambios de recarga (1 / día)

la profundidad del agua de umbral en acuífero superficial requerida para la

v__REVAPMN.gw 487,5 238.75 852.575012
percolación profunda que ocurra (MMH 2 O)

v__GW_DELAY.gw Estimación del tiempo de retardo 312,5 0.158225 (r) 1.7115

velocidad de transferencia entre el acuífero superficial y la raíz

r__GW_REVAP.gw zona, que van desde 0,02 (restringida) a 0,20 0.1505 0.022488 0.023858
(irrestricto).

la profundidad del agua de umbral en acuífero superficial requerida para el

v__GWQMN.gw 1875 0,195 (r) 343.75
retorno de flujo que se produzca (MMH 2 O)

Fracción de la percolación del agua profunda de la raíz

v__RCHRG_DP.gw 0,475 0.124325 (r) 0.147938
zona (0,0 a 1,0)

rugosidad coeficiente de Manning ( “n”) para una

v__CH_N2.rte 0.18375 0,005 (r) 0.09875
canal (0,025 a 0,150)

conductividad hidráulica efectiva del canal

v__CH_K2.rte 12.49025 0,0475 0.00325
paredes (mm / h)

factor de compensación para la evaporación del suelo que va de

0,01 (más demanda de evaporación de suelos más profundos) a 1 (de
v__ESCO.hru 0,325 0.791125 0.785125
evaporación menos profunda
extracción)

factor de compensación para la absorción de la planta que va de 0,01 (la

v__EPCO.hru absorción de agua de menos de suelo más profundo) a 0,725 0,827 0.75125
1 (más la absorción de agua de suelo más profundo)

rugosidad coeficiente de Manning ( “n”) para

r__OV_N.hru - 0.38 - 0,075 0.2275
por tierra fl ow (0,010 a 0,480)

v__HRU_SLP.hru calidad de pendiente media (y / x, o m / m). - 0.32625 0.0625

Longitud media de la pendiente (m), medida en el punto

v_SLSUBBSN.hru que de flujo comienza a concentrarse. En general, no - 66.449997 31.4
más de 90 m.

capacidad de agua disponible de la capa de suelo (mm

v__SOL_AWC (). sol 0.18 0,233 0.333425
H 2 O / mm del suelo)

r__SOL_K (). sol Suelo saturado conductividad hidráulica (mm / h) - 0.22 - 0.16465 - 0.137675

Suelo húmedo densidad aparente (g / cm 3 o Mg / m 3).

r__SOL_BD (). sol Generalmente entre 1,1 y 1,9 g / cm 3 - 0.3 - 0.08575 - 0,00035

albedo del suelo (húmedo). Relación de la luz solar reflejada a

r__SOL_ALB (). sol 0.06 - 0,125 0,095
la luz del sol que golpea el suelo.

temperatura media a la que se produce nevadas

v__SUB_SFTMP (). sno - 19 - - 0,2425
(grados C)

umbral de temperatura para que se produzca la fusión de la nieve

v__SUB_SMTMP (). sno 3 - 0,9315
(grados C)

factor de Snowmelt el 21 de junio (mmH2O / grados

r__SUB_SMFMX (). sno - 0.14 - - 0,135
C-día)
Agua 2019, 11, 110 23 de 28

Tabla A4. Cont.

Parámetro De fi nición Inicial Final Final (Sub 24)

factor de Snowmelt el 21 de diciembre (mm

r__SUB_SMFMN (). sno - 0.14 - 0,055
H 2 O / grados C-día)

factor de retraso de la temperatura de la capa de nieve

v__SUB_TIMP (). sno (influida por la capa de nieve del día anterior 0,425 - 0.135322
Agua 2019, 11, x para su revisión temperatura) 25 de 30

Figura A3. diagrama de 3-D del modelo MODFLOW, con cada color que representa la conductividad hidráulica encontrado en ese punto.
Figura A3. diagrama de 3-D del modelo MODFLOW, con cada color que representa la conductividad hidráulica encontrado en ese
Muchos de los modelos de capas tienen más de un valor de conductividad.
punto. Muchos de los modelos de capas tienen más de un valor de conductividad.

Cuadro A5. Lista de salidas SWAT-MODFLOW y sus contenidos (modi fi cada de la remolacha [ 46 ]).
Tabla 5. Lista de salidas SWAT-MODFLOW y sus contenidos (modificado a partir de remolachas [46]).
Nombre Contenido
Nombre Contenido
swatmf_out_MF_gwsw intercambio GW-SW (m 3 / días) para cada celda MODFLOWRiver. Los valores positivos son para el agua del
swatmf_out_MF_gwsw intercambio GW-SW (m 3 / día) para cada celda río MODFLOW. Los valores positivos son
río que entra en el sistema de GW, y los valores negativos son para GW entrar en el río.
para el agua del río que entra en el sistema de GW, y los valores negativos son para GW
entrar en el río.
swatmf_out_MF_recharge Recarga (m 3 / día) a la tabla de agua para cada celda de la cuadrícula, para el día. Los valores de celda se imprimen
swatmf_out_MF_recharge Recarga
como una rejilla, en(m 3 / día)
cada pasoa de
la tiempo
tabla de agua
diario depara cada celda de la cuadrícula, para el día. Los valores de celda
la simulación.

se imprimen como una rejilla, en cada paso de tiempo diario de la simulación.

etapa swatmf_out_MF_riverstage MODFLOW río (m) para cada celda río, el orden de la ID de celda río. profundidad swatmf_out_SWAT_channel

Channel (m) de cada flujo de sub-cuenca o río, clasificado por orden de

etapa río swatmf_out_MF_riverstage MODFLOW (m) para cada celda río, el orden de la
sub-cuenca # través de las columnas (es decir, cada fila de la fi le es de un día de simulación).
Identificación de células río.
swatmf_out_SWAT_gwsw Exchange (m 3 / día) para cada sub-cuenca, clasificado por orden de subcuenca # (1 a ...) para
profundidad swatmf_out_SWAT_channel Channel
El dia. (m) positivos
Los valores de cadason
flujo deGW
para sub-cuenca
entrar en elo río,
río,y listados ennegativos
los valores orden son para el agua del río que
entra ende
el sub-cuenca
acuífero. # través de las columnas (es decir, cada fila en el archivo es de un día de simulación).

swatmf_out_SWAT_recharge percolación profunda (mm) calculado para cada HRU. Los valores se enumeran en orden
swatmf_out_SWAT_gwsw de HRUExchange (m 3 /eldía)
# (1 a ...) para día para cada sub-cuenca,
y se imprimen para cada clasificado por orden de subcuenca # (1 a ...) para el
día de la simulación.

día. Los valores positivos son para GW entrar en el río, y los valores negativos son para el agua
del río que entra en el acuífero.

swatmf_out_SWAT_recharge percolación profunda (mm) calculado para cada HRU. Los valores son
clasificado por orden de HRU # (1 a ...) para el día y se imprimen para cada día de la
simulación.
Agua 2019, 11, 110 24 de 28

Agua 2019, 11, x para su revisión 26 de 30

SWAT-MODFLOW de caudales: Medidor Tributaria

60

50
Discharge (m 3 / s)

40

30

20 OBS
10 simulado
0
1986-1910
1987-1907
1988-1904
1986-1901
1989-1901
1989-1910
1990-1907
1991-1904
1992-1901
1992-1910
1993-1907
1994-1904
1995-1901
1995-1910
1996-1907
1997-1904
1998- 01
1998-10
1999-07
2000-04
2001-10
2002-07
2003-04
2001-01
2004-01
2004-10
2005-07
2006-04
2007-01
2007-10
Fecha

Figura
Figura A4.
A4. Comparación
Comparación de simulada
de los SWAT simulado - MODFLOW
SWAT-MODFLOW resultados
traduce a losobservados
a los valores valores observados en el
en el medidor medidor
afluente afluente
cuencas pococuencas
río
poco río ahumado.
ahumado.

Apéndice B Información adicional

Apéndice B. Información Suplementaria

B.1 apéndice.
Construcción Construcción
Apéndice Modelo MODFLOW
B.1 MODFLOWModel

Una
Unavez
vezcompletado
completadoelelproceso
procesode
decreación,
creación,las
lascélulas
célulasde
delos
losríos
ríosy yluego
luegosesepueden
puedenimportar
importarenenMODFLOW.
MODFLOW.LaLafila
filay ylalacolumna
columna
dedelas
lascélulas
célulasdedelos
losríos,
ríos,así
asícomo
comosusuetapa,
etapa,lalaprofundidad,
profundidad,elelespesor
espesordel
dellecho
lechodel
delrío,
río,y ylalaconductancia,
conductancia,son
sontodos
todoslos
losdatos
datosrequeridos
requeridos
para
parauna
unaimportación
importaciónexitosa.
exitosa.Los
Losdatos
datosRCH
RCHsefue
copió a partir
copiado deldel modelo
archivo de SWAT
modelo“output.hru” fi le, que que
SWAT “output.hru”, contiene todos
contiene los valores
todos de salida
los valores de
para todo
salida el modelo.
para Los datos
todo el modelo. trajeron
Los el horario
datos trajeron el de recarga
horario de MODFLOW
de recarga exactamente
de MODFLOW en líneaen
exactamente con la del
línea conmodelo SWAT. Similar
la del modelo SWAT. al
Similar
proceso de creación
al proceso de un
de creación de.RIV fi l para.RIV
un archivo el MODFLOWmodel, se requieren
para el modelo MODFLOW, se múltiples
requierenpasos antes
múltiples de importar
pasos antes delosimportar
datos, que se describen
los datos, que se
plenamente en el Apéndice
describen plenamente UNA
en el (Trabajo
Apéndice flujo
(flujo de2). Aunque
trabajo 2). los datoslos
Aunque de datos
recarga
de se ignorase
recarga cuando
ignorase acoplan
cuando se el SWATlos
acoplan y MODFLOWmodels
modelos SWAT y
[ 4MODFLOW [4],enseelincluyó
], Se incluyó en el modelocomo
MODFLOWmodel MODFLOW como
una prueba deuna prueba de para
su capacidad su capacidad para
manejar los manejar variables
fundentes los flujos de
quevariables que sede
se producirían
producirían de SWAT - MODFLOW.
SWAT-MODFLOW.

Parapermitir
Para permitiruna
unaejecución
ejecución completa
completa deldel modelo
modelo MODFLOW
MODFLOW (y,(y,
porpor extensión,
extensión, el SWAT
el modelo - modelo MODFLOW),
SWAT-MODFLOW), algunos
algunos controles
controles en elen el
menú“Ejecutar”
menú “Ejecutar”dedeVisual
Visual MODFLOW
MODFLOW tuvo
tuvo que
que serser cambiado
cambiado de sus
desde susvalores
valorespor
pordefecto.
defecto.En
Enparticular,
particular, el
el valor
valor “exterior
“exterior máximo de
iteraciones”,que
iteraciones”, queseseencuentra
encuentra bajo
bajo “Solver”,
“Solver”, tuvo
tuvo que
que aumentarse
aumentarse para
para permitir
permitir porpor
másmás
de de
100100 iteraciones
iteraciones porpor paso
paso de tiempo.
de tiempo. Aunque
Aunque las las
iteracionesmayoría
iteraciones mayoríaexteriores
exteriores requeridas
requeridas para
para cualquier
cualquier intervalo
intervalo dede tiempo
tiempo individual
individual eraera
112112
en en el día
el día simulación
simulación 2652a
2652a (con(con la gran
la gran
mayoríadedelos
mayoría lospasos
pasosdede tiempo
tiempo mucho
mucho menores
menores dede este
este valor),
valor), el valor
el valor “exterior
“exterior máximo
máximo Iteraciones”
Iteraciones” se cambió
se cambió a 1000
a 1000 parapara tener
tener en cuenta
en cuenta
posiblesaumentos
posibles aumentosa alala número
número dede iteración
iteración cuando
cuando el el modelo
modelo sese acopló
acopló concon SWAT.
SWAT.

Ejecución Apéndice
B.2 apéndice. B.2 SWAT-MODFLOW
Ejecución SWAT-MODFLOW

Cuando
Cuandotodos
todoslos
losarchivos
archivosnecesarios
necesariossesecompilan
compilanenenuna
unacarpeta,
carpeta,elelprograma SWAT-MODFLOW
SWAT - MODFLOW se se
programa puede ejecutar.
puede Este
ejecutar. estudio
Este estudio
utiliza
utilizaejecutable
ejecutablededeBailey
Bailey“SWAT_MODFLOW6.exe”,
“SWAT_MODFLOW6.exe”,que
queesesuna
unaversión
versiónactualizada
actualizadadel
delcódigo
códigooriginal
originalque
quefue puesto
fue aa
puesto disposición
disposición
después
despuésdedelalapublicación
publicacióndedeBailey
Baileyetetal.al.[ 4[4].
]. Aunque
Aunque la
la versión
versión 22 de
de este
este código
código está
está disponible
disponible públicamente
públicamente en
en el
el sitio
sitio web
webde
deSWAT
SWAT( https://swat.tamu.edu/sof
(https://swat.tamu.edu/software/SWAT -
- MODFLOW
MODFLOW/,/,includingatutorial ), El autor
incluyendo un tutorial), del código
el autor adaptará
del código el ejecutable
adaptará parapara
el ejecutable encajar las necesidades
adaptarse del proyecto,
a las necesidades como mostrar
del proyecto, comolos encabezados
mostrar los
para cada categoría
encabezados para (por
cadaejemplo, ubicación
categoría de la celda
(por ejemplo, río yde
ubicación tasa de reflujo,
la celda río y como en estede
la velocidad estudio). Dependiendo
flujo, como en granDependiendo
en este estudio). medida de losen
tiempos de
gran medida de
complejidad
los tiemposyde
decomplejidad
simulación de ambos
y de modelos
simulación de de componentes,
ambos modelos deeste código SWAT-MODFLOW
componentes, puedeMODFLOW
esto SWAT - código tomar en cualquier lugardesde
puede durar fromminutes a hasta
minutos muchas

horas llegar
muchas hasta
horas la terminación.
llegar hasta la terminación.
Muchos
Muchosde theMODFLOW entrada
de los archivos de archivos
de entrada debe bemodi
MODFLOW sefidebe
cado antes de intentar
modificar antes ejecutar SWAT-MODFLOW.
de intentar Cada -expediente tiene un “número
ejecutar SWAT
deMODFLOW.
identi fi cador”,
Cadaque archivo
ayuda a tiene
que elun
código para acceder
“número a ella cuando
de identificación”, seaayuda
que necesario.
a que Sin
elembargo, algunas
código para de estas
acceder cifras
a ella fi identi
cuando seacador se superponen
necesario. Sin
con los de la algunos
embargo, SWAT archivos, pornúmeros
de estos lo tanto, que exige un cambio.
de identificación se superponen con los de los archivos de SWAT, por lo tanto, que exige un cambio. En
el modelo construido en este estudio, el mismo protocolo se siguió como en el SWAT - MODFLOW manual de [34]: cada número identificador
se cambió a ser 5000 más de la
Agua 2019, 11, 110 25 de 28

En el modelo construido en este estudio, el mismo protocolo se siguió como en el manual de SWAT-MODFLOW [ 34 ]: Cada número fi er
identi se cambió a ser 5.000 más que el número fi er identi original (16 se convertiría en 5016, etc.). Después de calibrar completamente
ambos modelos por separado (que se explica en la Sección 2.3 ), Se ejecuta el modelo SWAT-MODFLOW. El modelo tomó
aproximadamente seis horas para ejecutar por completo-significativamente menos tiempo que la hipótesis inicial predijo. Cada ejecución
subsiguiente después de la inicial se realizó en un ordenador más potente, lo que mejoró el tiempo de ejecución del modelo acoplado. Estas
carreras tomaron un poco menos de cuatro horas para una simulación completa, lo que permite más de un SWAT-MODFLOW plazo que se
produzca en un día.

Calibración carga hidráulica Apéndice B.3

Para evaluar la representación general de los datos observados, se utilizaron diversas estadísticas, similar al proceso de calibración
del modelo SWAT. El estadístico de simulación principal utilizada era la raíz normalizada del error cuadrático medio (RMS), que evalúa la
proximidad general de un conjunto de datos simulados para el conjunto de datos observado [ 47 ]. Generalmente dado como un porcentaje,
los valores más cerca de 0% indica menos desviación del conjunto de datos observado. El modelo también se calibró utilizando el promedio
coeficiente de correlación, un valor que evalúa la relación lineal entre dos variables [ 48 ], Que en el caso de este estudio se observó la
cabeza y la cabeza simulada. Que van desde - 1 a 1, un valor más cerca de 1 representa una correlación mejor.

El gran número de puntos de observación y el Visual MODFLOW Interfaz de usuario gráfica (GUI) permite la localización exacta de los
lugares con discrepancias carga hidráulica más grandes, lo que facilitó el ajuste de parámetros para futuras iteraciones. Muchos de los parámetros
y condiciones de contorno se pueden cambiar para conseguir resultados satisfactorios de calibración / validación, incluyendo el almacenamiento
específico, rendimiento específico y los límites relacionadas con la cabeza hidráulicos, pero los inmanyMODFLOWmodels clave parámetro es la
conductividad hidráulica de las capas. Como estos valores necesitan ser cambiado en gran medida sobre la base de región, es por lo tanto
importante que los valores de conductividad hidráulica en un modelo dado basarse en las que se encuentran en las correspondientes unidades del
subsuelo en la medida posible. Con ese fin, los valores calibrados utilizados en este estudio se mantuvieron dentro de los intervalos que se
encuentran en los estudios como los de Hughes et al. [ 22 ] Y Smerdon et al. [ 29 ].

A6 mesa. Resumen de las estadísticas para el componente MODFLOW.

MODFLOW estadísticos de resumen

Número de puntos de datos 379

Max. Residual (m) - 155.379
Min. Residual (m) 0,134
Residual medio (m) - 21.349
RMS normalizado (%) 6,506
Coeficiente de correlación 0,956

referencias

1. St. Jacques, J.-M .; Sauchyn, DJ; flujo de Zhao, Y. Montañas Rocosas del Norte registros de flujo: las tendencias de calentamiento global, los impactos

humanos o variabilidad natural? Geophys. Res. Letón. 2010, 37, L06407. [ CrossRef ]

2. Waughray, D. Agua Seguridad-thewater-Food-energía-clima Nexus. Iniciativa ForumWater Económico Mundial;

Island Press: Washington, DC, EE.UU., 2011. Disponible en línea: http://www3.weforum.org/docs/WEF_WI_

WaterSecurity_WaterFoodEnergyClimateNexus_2011.pdf (Accedido el 24 de abril 2018).

3. Faramarzi, M .; Srinivasan, R .; Iravani, M .; Bladon, KD; Abbaspour, KC; Zehnder, AJB; Goss, GG La creación de un modelo hidrológico de Alberta:

la discriminación de datos analiza antes de la calibración. Reinar. Modelo. N del software.

2015, 74, 48-65. [ CrossRef ]

4. Bailey, RT; Wible, TC; Arabi, M .; Registros, RM; Ditty, J. Evaluación de patrones temporales escala regional de las interacciones del agua subterránea

en la superficie usando un acoplado SWAT-MODFLOWmodel. Hidrol. Proceso. 2016, 30,

4420 a 4433. [ CrossRef ]

Agua 2019, 11, 110 26 de 28

5. Masud, MB; McAllister, T .; Cordeiro, MRC; Faramarzi, M. Modelado futuro huella hídrica de la producción de cebada en Alberta, Canadá: Implicaciones

para el uso del agua y los rendimientos a 2064. Sci. Environ total. 2018,

616-617, 208-222. [ CrossRef ] [ PubMed ]

6. Sophocleous, MA; Koelliker, JK; Govindaraju, RS; Chirrido, T .; Ramireddygari, SR; Perkins, modelado numérico SP integrado para la gestión del

agua en toda la cuenca: El caso de la cuenca de cascabel Creek en el centro-sur de Kansas. J. Hydrol. 1999, 214, 179-196. [ CrossRef ]

7. Markstrom, SL; Niswonger, RG; Regan, RS; Prudic, DE; Barlow, Coupled-GSFLOW PM aguas subterráneas y superficiales FlowModel basa en la

integración del Sistema de precipitación-escorrentía Modelado (PRMS) y la tierra modular-Agua FlowModel (MODFLOW-2005). En US Geological

técnicas de encuesta y Métodos 6-D1; Geological Survey: Reston, VA, EE.UU., 2008; 254p.

8. Sudický, EA; Jones, JP; Parque, YJ; Brookfield, AE; Colautti, D. La simulación de la dinámica de OW y de transporte fl complejas en un marco

integrado de modelado de superficie del subsuelo. Geosci. J. 2008, 12, 107-122. [ CrossRef ]

9. Kollet, S .; Sulis, M .; Maxwell, RM; Paniconi, C .; Putti, M .; Bertoldi, G .; Coon, ET; Cordano, E .; Endrizzi, S .; Kikinzon, E .; et al. El proyecto

hidrológico comparación de modelos integrados: Un segundo conjunto de resultados de referencia para el diagnóstico de la hidrología y

evaluaciones integrado. Resour agua. Res. 2016, 53, 867-890. [ CrossRef ]

10. Abbott, MB; Bathurst, JC; Cunge, JA; O'Connell, PE; Rasmussen, J. Una introducción al Sistema de Hidrología-Systeme hydrologique Europeen

Europea, “ella”, 1: Historia y filosofía de un sistema de modelado physicallybased, distribuida. J. Hydrol. 1986, 87, 45-59. [ CrossRef ]

11. Kim, NW; Chung, IM; Won, YS; Arnold, JG Desarrollo y aplicación de la SWATMODFLOWmodel integrado. J. Hydrol. 2008, 356, 1-16. [ CrossRef ]

12. Guzman, JA; Moriasi, DN; Gowda, PH; Steiner, JL; Starks, PJ; Arnold, JG; Srinivasan, R. Un marco de integración modelo para ligarse SWAT y

MODFLOW. Reinar. Modelo. N del software. 2015, 73, 103-116. [ CrossRef ]

13. Arnold, JG; Srinivasan, R .; Muttiah, RS; Williams, JR área grande modelación hidrológica y evaluación Parte 1: Modelo de desarrollo. Mermelada.

Resour agua. Assoc. 1998, 34, 73-89. [ CrossRef ]

14. McDonald, MG; Harbaugh, AW AModular tridimensional de diferencias finitas de agua subterránea FlowModel;

Informe 83-875 USGS Archivo Abierto; US Geological Survey: Reston, VA, EE.UU., 1983.

15. Kim, NW; Chung, IM; Won, YS El desarrollo de SWAT-MODFLOWmodel (I) de desarrollo del modelo totalmente acoplada. J. Corea Resourc agua.

Assoc. 2004, 37, 499-507. [ CrossRef ]

16. Kim, NW; Chung, IM; Won, YS El desarrollo de completamente acoplado modelo SWAT-MODFLOW evaluación de modelo (II). J. Corea Resourc agua.

Assoc. 2004, 37, 509-515. [ CrossRef ]

17. Chevron Canadá. Nuestra historia en Fox Creek. 2017. Disponible en línea: http://www.chevron.ca/our-

empresas / Kaybob-Duvernay-valoración-programa / nuestra-historia-en-Fox-Creek (Accedido el 20 de agosto 2017).

18. Petrel Robertson Consulting Ltd. Evaluación integrada de los recursos hídricos no convencionales de petróleo y gas

Obras de teatro, centro-oeste de Alberta: Los acuíferos de roca de fondo superficial y Sur fi ciales Sedimentos, Final (año 2) Informe; Petróleo Technology Alliance

of Canada: Calgary, AB, Canadá, 2014; 32p.

19. Johnson, EG; Johnson, LA Uso de fracturas hidráulicas de agua en el noreste de Columbia Británica: ubicaciones, los volúmenes y tendencias. En Geoscience

Reports 2012; Columbia Británica Ministerio de Energía y Minas: Victoria, BC, Canadá, 2012; pp. 41-63.

20. Sociedad Canadiense de Gas No Convencional. La comprensión de la fracturación hidráulica. Información sobre Canadá

Recursos energéticos emergentes. 2016. Disponible en línea: https://www.scribd.com/document/203055543/CSUGHydraulicFrac-Brochure (Accedido

el 18 de octubre 2017).

21. Alessi, DS; Zolfaghari, A .; Kletke, S .; Gehman, J .; Allen, DM; Goss, el análisis comparativo GG en las prácticas de fracturamiento hidráulico de aguas

residuales en el desarrollo de esquisto no convencional: abastecimiento de agua, el tratamiento y las prácticas de eliminación. Lata. Resour agua. J. 2017, 42,

105-121. [ CrossRef ]

22. Hughes, AT; Smerdon, BD; Alessi, propiedades hidráulicas DS de la Formación Paskapoo en Alberta centro-oeste. Lata. J. Sci Tierra. 2017, 54, 883-892. [ CrossRef

23. Scanlon, BR; Reedy, RC; Hombre, F .; Hove, M. administración del creciente huella hídrica de fracturación hidráulica en el Juego de Bakken, Estados

Unidos. Reinar. Sci. Technol. 2016, 50, 10.273 a 10.281. [ CrossRef ] [ PubMed ]

24. Grasby, SE; Chen, Z .; Hamblin, AP; Wozniak, PR; AR caracterización dulce, regional del sistema de lecho de roca acuífero Paskapoo, el sur de Alberta. Lata.

J. Sci Tierra. 2008, 45, 1502-1516. [ CrossRef ]

Agua 2019, 11, 110 27 de 28

25. Alberta Sociedad Portal del Agua. La historia del clima en Alberta y los efectos del cambio climático en las cuencas de Alberta. En Historia y efectos del

cambio climático en las cuencas de Alberta; Calgary, AB, Canadá, 2017. Disponible en línea: https://albertawater.com/history-and-effects-of-climate-change-on-alberta-s-waters

(Accedido el 16 de marzo 2018).

26. Wright, GN (Ed.) La cuenca sedimentaria del oeste de Canadá, una serie de secciones geológicas que ilustran Cuenca

Estratigrafía y estructura; Sociedad Canadiense de Geólogos del Petróleo y la Asociación Geológica de Canadá: Calgary, AB, Canadá, 1984.

27. Bachu, S .; Michael, K. Hidrogeología y Estrés Régimen de la parte superior del Cretácico-Terciario Carbón estrato que soporta

en Alberta; EUB / AGS Ciencias de la Tierra Informe 2002-04; Alberta Energía y Utilities Board: Edmonton, AB, Canadá, 2002.

28. Smerdon, BD; Atkinson, LA; Hartman, GMD; Playter, TL; Andriashek, LD Pruebas de campo de anidada

Flujo de agua subterránea a lo largo del río ahumado Little, Alberta centro-oeste; Informe de archivo AER / AGS abierto 2016-02; Alberta Energy
Regulador: Edmonton, AB, Canadá, 2016; Disponible en linea: https://ags.aer.ca/publications/ OFR_2016_02.html (Accedido el 22 de septiembre

2018).

29. Dawson, FM Cretácico superior y terciaria estratos; en Atlas Geológico del oeste de Canadá sedimentaria

Cuenca; Mossop, GD, Shetsen, I., Eds .; Sociedad Canadiense de Geólogos del Petróleo y del Consejo de Investigación de Alberta: Calgary, AB,
Canadá, 1994. Disponible en línea: http://www.ags.gov.ab.ca/publications/wcsb_atlas/ atlas.html (Accedido el 24 de noviembre 2017).

30. Lyster, S .; Andriashek, LD Representación de la Arquitectura geoestadística de Unidades hidroestratigráfica dentro

la Formación Paskapoo, Alberta central; ERCB / AGS Boletín 66; Energy Resources Conservation Board: Edmonton, AB, Canadá, 2012. Disponible
en línea: http://www.ags.gov.ab.ca/publications/abstracts/BUL_

066.html (Accedido el 16 de noviembre 2017).

31. Jarvis, A .; Reuter, HI; Nelson, A .; Guevara, E. SRTM completos para la versión Globe 4, el CGIAR-CSI SRTM 90m Base de datos. 2008.

Disponible en línea: http://srtm.csi.cgiar.org (Accedido el 26 de julio 2018).

32. Cordeiro, MRC; Lelyk, G .; Krobel, R .; Legesse, G .; Faramarzi, M .; Masud, MB; McAllister, T. derivar un conjunto de datos de suelos en agricultura

relevantes de los Lanscapes suelo de Canadá base de datos (SLC) para su uso en simulaciones Water Assessment Tool (SWAT) del suelo y. Syst

tierra. Sci. Datos 2018, 10, 1673-1686. [ CrossRef ]

33. Niswonger, RG; Panday, S .; Ibaraki, M. MODFLOW-TNM, una formulación de Newton para MODFLOW-2005.

Geol Estados Unidos. Surv. Tech. métodos 2011, 6, 44. [ CrossRef ]

34. Park, S .; Bailey, RT SWAT-MODFLOW Tutorial-Documentación para la preparación de simulaciones de modelos; Departamento

de Ingeniería Civil y Ambiental de la Universidad del Estado de Colorado: Fort Collins, CO, EE.UU., 2017; 56p.

35. Abbaspour, K. Manual de usuario para SWAT-CUP: SWAT Calibración y programas de análisis de incertidumbre; suizo

Alimentados. Inst. de Ciencia y Tecnología Acuática: Dübendorf, Suiza, 2015; Disponible en linea: http:

//www.eawag.ch/organization/abteilungen/siam/software/swat/index_EN/ (Visitada el 5 de marzo 2017).

36. Krause, P .; Boyle, DP; Base, F. Comparación de los diferentes criterios de e fi ciencia para la evaluación de modelo hidrológico.

Adv. Geosci. 2005, 5, 89-97. [ CrossRef ]

37. Faramarzi, M .; Abbaspour, KC; Schulin, R .; Yang, H. Modelado azul y agua verde Recursos disponibilidad en Irán. Hidrol. Proceso. 2009, 23, 486-501. [ CrossRef

38. Arnold, JG; Kiniry, JR; Srinivasan, R .; Williams, JR; Haney, EB; Neitsch, SL Evaluación de suelos y aguas

Herramienta de entrada / salida de documentación; Versión 2012; Instituto de Recursos de Agua de Texas: College Station, TX, EE.UU., 2012; 650P.

39. Brinsky, J. Vientre basal Río carga hidráulica y Ver mapa; Encana Corporation: Calgary, AB, Canadá, 2014.

40. IPCC. Cambio climático 2014: Informe de síntesis. Contribución de los Grupos de trabajo I, II y III del Quinto Informe de Evaluación del Panel

Internacional sobre el Cambio Climático; Equipo de redacción, Pachauri, RK, Meyer, LA, Eds .; IPCC: Ginebra, Suiza, 2014; 151P.

41. Chen, J .; Brissette, FP; Leconte, R. La incertidumbre del método de reducción de escala para cuantificar el impacto del cambio climático en la hidrología. J.

Hydrol. 2011, 401, 190-202. [ CrossRef ]

42. Van Vuuren, DP; Edmonds, J .; Kainuma, M .; Riahi, K .; Thomson, A .; Hibbard, K .; Hurtt, GC; Kram, T .; Frey, V .; Lamarque, J.-F .; et al. Las vías de

concentración representativas: una visión general. El Clim. Chang. 2011,

109, 5-31. [ CrossRef ]

43. Smerdon, BD Una sinopsis de los efectos del cambio climático en la recarga de acuíferos. J. Hydrol. 2017, 555, 125-128.

[ CrossRef ]
Agua 2019, 11, 110 28 de 28

44. Pacífico Consorcio de los impactos climáticos. Estadísticamente a escala reducida Escenarios de Cambio Climático. 2014. Disponible en línea: https:

//www.paci fi cclimate.org/data/statistically-downscaled-climate-scenarios (Accedido el 25 de junio 2018).

45. Faramarzi, M .; Abbaspour, K .; Adamowicz, WL; Lu, W .; Fennell, J .; Zehnder, AJB; Goss, la evaluación basada en la incertidumbre G. de escasez de

agua dulce dinámica en las cuencas semiáridas de Alberta, Canadá. J. Hydrol. Reg. Semental. 2017, 9, 48-68. [ CrossRef ]

46. ​Las remolachas, L. Documentación SWAT-MODFLOW; Documento de Word; Universidad de Wageningen e Investigación:

Wageningen, Países Bajos, 2016.

47. Hyndman, RJ; Koehler, AB otro vistazo a las medidas de precisión de los pronósticos. En t. J. Pronóstico. 2006, 22, 679-688.

[ CrossRef ]

48. Pearson, K. Notas sobre la regresión y la herencia en el caso de dos padres. Proc. R. Soc. Lond. 1895, 58,

240-242. [ CrossRef ]

© 2019 por los autores. Licenciatario MDPI, Basilea, Suiza. Este artículo es un artículo de acceso abierto distribuido bajo

los términos y condiciones de la licencia Creative Commons (CC BY) (http://creativecommons.org/licenses/by/4.0/).