Project: Partnering for Adaptation and Resilience – Agua ...para-agua.net/weap/3. El modelo WEAP.pdf · users with an interactive tool to aid future water management planning and

1

Project: Partnering for Adaptation and Resilience – Agua

(PARA-Agua)

Client Task Order: AID-OAA-TO-13-00037

Master Service Agreement No. 14S16384WK01

Task OrderNo. 1 - Peru

Subcontractor: Stockholm Environmental Institute – SEI

Deliverable 4: Draft WEAP Model Report Contents:

Appendices: Audience: Internal Project Members and Stakeholders

Length: 10 pages max plus technical appendices Language: Spanish with 1 page executive summary in English

- Language: Spanish with 1 page executive summary in English

Contenido Executive Summary ..................................................................................................................................................... 2

Introducción ................................................................................................................................................................. 3

Área del Estudio........................................................................................................................................................... 4

Procesamiento de Datos de Entrada y Calibración .................................................................................................. 8

Resultados preliminares ............................................................................................................................................. 14

Conclusiones ............................................................................................................................................................... 16

Anexos ......................................................................................................................................................................... 18

2

Executive Summary An important goal of Year 1 PARA-Agua project activity in Peru is to construct a working WEAP model of the Chira-Piura watershed in order to first conduct a vulnerability assessment of the current water management system in the face of climate change and other uncertainties and then to support a robust decision support process that can be used to identify and justify projects for which climate adaptation funding will be sought. In addition, the development of this model will provide basin planners and water users with an interactive tool to aid future water management planning and decision making. Specifically, the WEAP model encompasses two major river basins in the north of Peru. These are the Piura River watershed (10970 km2), and Chira River watershed (17840 km2). Some upper areas of the Chira basin, much of it higher elevation and endowed with water yielding páramo ecosystems, extend into southern Ecuador, making it a trans-boundary river system. The majority of the water in these two basins is utilized for irrigated agriculture and to satisfy urban demands in the lower arid coastal plains in the west of the region. There have been a number of WEAP models constructed in the region in the past, none of which have represented the hydrology, infrastructure, and demands of the Chira-Piura region in a comprehensive manner. Therefore, the goal of this modeling effort is to construct a calibrated monthly time-step model with sufficient spatial resolution to aid in the evaluation of potential climate change adaptation strategies. Most important of these exiting WEAP applications is the one developed to support the development of the Water Resources Management Plan for the Chira-Piura (PGRH-CP for its initials in Spanish) which includes the official representation of key water system elements (dams, canals, points of demand) but which was based solely on the use of historical hydrologic observations to represent hydrologic conditions in the basin. This means that the model is not well suited to evaluating the potential implications of climate change, and associated hydrologic change, on the performance of the systems. Fortunately PARA-Agua project partner SEI has already constructed a WEAP application that focus on the hydrologic and water management conditions in Peruvian portion of the upper Chira basin, specifically the Quiroz and Chipillico sub-watersheds. This highly detailed model has been integrated into the exiting official model and its hydrologic routines are being used to guide the development of the rainfall runoff routines for the rest of the Chira-Piura system as captured within the WEAP catchment (or watershed) modeling object. Additional catchments will likely be added to the low-lying areas where the diversity of agricultural land-use may warrant further delineation of these areas into a finer hydrologic resolution. In this region we will be using insights gained from a WEAP model develop by the National Agronomic University at La Molina as a guide to represent potential links between climate change and irrigation water demand. A period of about twenty years (1972-1992), has been selected as the calibration period of the model, in which historic climate variables (i.e. precipitation, temperature, humidity etc.) serve as input to the rainfall-runoff routines contained within WEAP catchment objects, which produce modeled runoff and stream-flows within the basin. Comparing these modeled stream-flows with historic records at a number of gaging stations throughout the basin provides insight as to which physical parameters within the catchments object best capture the hydrologic processes at work in the basin. This process of parameter estimation, or calibration, is currently underway. The idea is that once the model has been calibrated to historical conditions, it can be run again using climate change projections as input in order to assess the potential impacts on water management and the performance of adaptation strategies that could be adopted to reduce these impacts. Various methods of processing historic climate records based on limited availability of historic hydrology and meteorology records have been employed to extend historic values to areas within the basin where

3

records to not exist. With temperature, simple regressions between altitude and temperature produce linear relationships which can be employed to estimate temperatures at any point on the digital elevation map lack direct historical observation. In order to obtain similar maps for precipitation variation across the system, a process of interpolating between available historical observations using inverse distance weighting was employed for each month of record to produce a map of precipitation for use in each model catchment. Using these climate data as WEAP model input, streamflows will be simulated throughout the catchment, which will guide the calibration process. This process will be performed starting from the uppermost regions of the watershed and working downwards until the low-lying coastal plains are reached. It is this area where greater attention to the WEAP model representation of the operation of physical infrastructure to balance supply and demand will need to be paid in completing the model calibration. More than a particular finding at this point, the progress made in terms of producing a calibrated rainfall-runoff model with representations of supply and demand for the Piura region is of particular relevance in the PARA-Agua Robust Decision Support implementation process. For instance, this model will be useful in the preparation of the Climate Change workshop to review the spatial and temporal scales at which the climate scenarios need to be developed for this particular region. Also, the scenarios prioritized during the Experimental Design and Training reported on Deliverable 5a such as the páramo conservation uncertainty and the improvement in irrigation efficiency strategy are being included in the design and structure of the model. In addition, through the capacity building activities in which the model building process is being reviewed and vetted by weekly meetings with the Modeling Team within the Modernization Group, the WEAP model resulting from this process is being updated with the best data and expert opinion available.

Introducción Un tema principal del Proyecto PARA-Agua es la construcción de una herramienta que represente el sistema del agua dentro la cuenca de interés. En el contexto de este proyecto en Perú, las cuencas de interés son la de los ríos Chira y Piura en la parte norte de Péru. Hay modelos de WEAP que fueron desarrollados para proyectos anteriores como son: Modelación del Rol de Páramo en la Hidrología Bajo un Escenario de Cambio Climático (Subcuencas Quiroz-Chipillico), desarrollado por SEI como parte del Proyecto Adaptación al Impacto del Retroceso Acelerado de Glaciales en los Andes Tropicales; el modelo elaborado por la Universidad Agraria Nacional de la Molina para la evaluación de la sostenibilidad del recurso hídrico ante el crecimiento de la actividad agrícola en el Valle de Chira causada por la incorporación de cultivos bioenergéticos para producción de biocombustibles (Cuenca Chira); y por último el modelo elaborado por el consorcio INCLAM como parte del Plan de Gestión de los Recursos Hídricos de la Cuenca Chira Piura, que actualmente es el modelo oficial, pero que a su vez es incompleto y limitado para análisis de cambio climático. En realidad, no hay un modelo existente que represente en su totalidad la hidrología de la cuenca. La idea objetivo de este nuevo esfuerzo es desarrollar un modelo WEAP que combine todos los aspectos claves de estos que ya han sido desarrollados. Específicamente, estamos incorporando el modelo WEAP de los ríos Quiroz y Chipillico que fue construido en el proyecto anterior. Este último constituye en gran medida la parte alta de la cuenca Chira en Perú y esta calibrado con los datos climáticos y registros hidrológicos para el periodo de 1998 – 2011. Sin embargo, la mayoría de datos históricos de lluvia, temperatura, y caudales disponibles dentro de la cuenca pertenecen al periodo 1972 – 1992. Por eso, el periodo de calibración del modelo nuevo es 1972 – 1992. Esto nos indica que se requiere mejorar la calibración actual.

4

Nuestra área de estudio involucra la parte ecuatoriana por medio de la cuenca Catamayo (Figura 1) que es parte de la cuenca binacional Catamayo Chira, la cual juega un papel importante en la hidrología de nuestra cuenca, y no hay modelos anteriores en WEAP que representen esta área. Por lo tanto, nuestro modelo nuevo incorpora las partes de esta cuenca, pero sin la posibilidad de verificar su calibración sin acceso a los datos ecuatorianos. Sin embargo, el desarrollo de un balance hídrico del sistema requiere una representación de esta parte de la cuenca. Por otro lado, también se van a incorporar los datos de cultivos, demandas agrícolas y urbanas, infraestructura, y reglas de operación que existen dentro los otros modelos, con el fin de construir un modelo integrado y completo.

Área del Estudio La Cuenca Chira Piura, es una de las principales cuencas hidrográficas de la costa norte del Perú por el volumen y regularidad de su caudal. Esta condición se debe en buena cuenta al origen del río en el ecosistema de páramo, en Perú tanto como en Ecuador, cuyos suelos tienen una altísima capacidad de retención de agua, así como a la presencia de bosques y cubierta natural en las zonas media y alta de la cuenca binacional del Catamayo-Chira. El modelo cubre las cuenca binacional Catamayo Chira (17840 km2) y del río Piura (10970 km2). Esta área se muestra en Figura 1. El área de la cuenca Catamayo pertenece a territorio ecuatoriano. Los ríos fluyen en general de este a oeste de las partes altas al mar. El sector poblacional en la parte media y baja de la cuenca Chira Piura es abastecido por la EPS Grau S.A., y la parte alta la demanda es servida por la JASS y los organismos locales (Municipalidades); el el sector agrícola es atendido por las Juntas de Usuarios: JU Chira, JU, San Lorenzo, JU Medio y Bajo Piura, JU Sechura y JU Alto Piura. El Sector energético es operado por SINERSA y ENOSA. Dentro de la infraestructura de uso agrícola se distinguen 4 sistemas: Sistema hidráulico de San Lorenzo, Sistema hidráulico del Chira, Sistema hidráulico Medio y Bajo Piura; y el Sistema hidráulico Alto Piura. Dentro de la Infraestructura para Abastecimiento Poblacional se encuentran las plantas de tratamiento de agua potable de Sullana, Querecotillo, las Lomas, Nueva Planta las Lomas, Lancones, El Arenal y Curumuy. Estos constituyen los sistemas de abastecimiento de agua que suministran a la población dentro de la Región. Y por último, para el uso hidroenergético se consideran las centrales: Quiroz, Sicacate, el Nogal, Curumuy, Poechos I, Poechos II y la Mini Central Hidroeléctrica Sullana.

5

Figura 1. Las cuencas del Río Chira y Río Piura que constituyen el área del estudio.

Actualmente, el modelo WEAP está dividido en sub-cuencas, incluido el modelo anterior de los ríos Chipillico y Quiroz en la parte alta del río Chira (Figura 2). Esta parte contiene 98 sub-cuencas. Sin embargo, dentro el modelo, algunas de estas sub-cuencas son agregadas en un objeto o “catchment”, y por otro lado, algunas cuencas están divididas por más de un objeto de bandas altitudinales, resultando en más de un “catchment” para esta sub-cuenca. Un “catchment” es el nombre de los objetos en el modelo que representan área, y son definidos por cobertura vegetal, parámetros físicos, datos climáticos etc. Los “Catchments” producen, a partir de rutinas de lluvia-escorrentía, un flujo de agua que contribuye a los caudales. En suma, en la parte de Chipillico/Quiroz, hay 107 “catchments” (Figura 2). Esta resolución de sub-cuencas existe en una resolución más fina que el resto del modelo debido al nivel de detalle del proyecto anterior, y, sin embargo, para mantener esta resolución fina para toda el área del sistema Chira-Piura se requeriría mucho más tiempo para definir, calibrar, y correr el modelo cada vez. Además, los resultados que vamos a analizar del modelo son para el sistema total, y no necesitamos el nivel de detalle que tiene el modelo Chipillico/Quiroz. Sin embargo, utilizaremos este modelo con el nivel de detalle que posee para el modelo nuevo. Este modelo es a paso de tiempo mensual, y por eso también, no necesitamos resolución espacial muy alta, como lo necesitara un modelo a paso diario.

6

Figura 2. Las sub-cuencas en color: Modelo anterior de los ríos Chipillico/Quiroz dentro Chira-Piura

El resto del sistema es dividido por otras 16 sub-cuencas dentro Chira-Piura menos el área de Quiroz-Chipillico. Estas sub-cuencas son definidas por bandas de elevación. Las bandas son divididas por cada 500m (el rango altitudinal de la cuenca Chira-Piura es 0 – 3918 msnm) para producir los “catchments” finales (Figura 3). En total hay 68 “catchments” dentro estas 16 sub-cuencas que existen en el modelo. En total el modelo WEAP contiene 175 “catchements”: La parte Quiroz/Chipillico:

o 98 sub-cuencas 107 “catchments”

El resto del sistema

o 16 sub-cuencas 68 “catchments”

107 + 68 = 175 “catchments” en WEAP (Figura 4)

7

Figura 3. Se utilizan bandas de altitud y sub-cuencas para producir los “catchments” en WEAP

Cada “catchment” es definido también por el tipo de cobertura vegetal general en la región

Figura 4. El modelo del sistema con los sub-cuencas y “catchments” (puntos verdes) en WEAP.

8

Procesamiento de Datos de Entrada y Calibración Para calibrar el modelo, se necesita correrlo para un periodo histórico, y así, comparar los valores de caudal y oferta de agua con los valores históricos. Para hacer eso, se necesita utilizar datos climáticos históricos, especialmente lluvia y temperatura. Estamos utilizando un periodo de 1972 – 1992 para calibrar el modelo a datos históricos porque hay registros de variables climáticas y caudales más disponible y confiable durante eso periodo. Con los datos climáticos observados, sobre todo precipitación y temperatura, el modelo produce resultados de caudal y oferta de agua. La meta del proceso de calibración es para igualar los datos de caudal modelados con los caudales históricos. Se logra eso por un proceso de modificación de parámetros físicos dentro los “catchments” donde hay incertidumbres para lograr resultados más reales. Una descripción de los datos de entrada utilizados durante la producción del modelo WEAP se encuentra en el Anexo 1.0. Cobertura En este caso, la información de cobertura se obtuvo de la Propuesta de Zonificación Ecológica Económica de la Región Piura elaborado el año 2012 a una escala 1:100 000. Estos datos fueron procesados mediante procedimientos de SIG con la finalidad de reclasificar las coberturas a un nivel de detalle menor para luego obtener la distribución espacial y el porcentaje de cada tipo de cobertura existente en cada “catchment”. Como se puede apreciar, hay una extensión considerable de páramos (ubicados principalmente en la cuenca Quiroz), que conforman un ecosistema cuyos suelos tienen una altísima capacidad de retención de agua y por ende juegan un papel importante en la hidrología de la Cuenca.

Tabla 1. Coberturas (reclasificadas) identificadas en la cuenca Chira Piura. Cobertura Área (km2)

Agricultura de Riego 2463.335 Agricultura de Temporal 1157.636

Bosque 13466.725 Matorral 10180.710 Páramo 374.245 Otros 1078.521

Figura 5. Cobertura reclasificada a partir de la cobertura elaborada para la ZEE de la Región Piura

9

Temperatura Los registros históricos de temperatura (min, media, máx.) que existen para la región Chira-Piura no son tan completos y extensivos como los de lluvia, pero hay 12 estaciones que contienen registros de temperaturas promedios mensuales con datos casi completos entre 1972 – 1992 (Figura 4, Anexos 1.1, 1.2).

Figura 6. Los estaciones de temperaturas históricas utilizados en el modelo WEAP

Con los registros de temperatura promedio mensuales de estas estaciones, se generaron mapas de temperatura para toda la superficie de la cuenca, usando un método de regresión entre las temperaturas observadas en las estaciones y los niveles (msnm) de los estaciones. Por ejemplo, en Febrero, 1975 las temperaturas medias observadas en las estaciones fueron los valores que se observan en la siguiente tabla: Realizando una regresión entre las temperaturas medias observadas en las estaciones (Anexo 1.2) y la altitud de cada estación (msnm) se produce una relación entre los dos variables para aplicar en toda la cuenca. En este caso, la ecuación lineal fue:

Temp °C = -0.0058*(msnm) + 26.486 n = 12 R2 = 0.97

Aplicando la ecuación al mapa de elevación digital para toda la cuenca se tienen los mapas de temperatura como se muestra en la siguiente figura:

10

Figura 7. Mapa de temperaturas aproximadas de toda la cuenca en Febrero 1975

Aplicando este método a cada mes del periodo de calibración (1972 – 1992), se crearon mapas de temperaturas medias por cada paso de tiempo del modelo. Estos mapas se usan para definir las temperaturas de cada “catchment” calculando la temperatura promedio dentro de cada “catchment” y finalmente introduciendo al WEAP.

Precipitación Dentro de la cuenca Chira Piura el registro de la precipitación se dio a partir del año 1962, por instituciones privadas y públicas, dentro de las instituciones públicas esta principalmente SENAMHI. Las estaciones que se tomaron para el modelamiento están ubicadas dentro y cercana a la cuenca Chira, Piura y Catamayo, teniendo en cuenta los estudios de consistencia realizados por diferentes instituciones. Con el fin de disponer de información confiable de la precipitación se tiene la base de datos del INCLAM, la cual se encuentra plasmada en el plan de gestión de recursos hídricos de la cuenca, en el periodo de modelación seleccionado para la información pluviométrica que es el periodo 1972 – 1992. Teniendo como base el periodo 1972 – 1992, muchas estaciones fueron descartadas para el modelamiento, por no tener información consistente en este periodo y por la falta de datos. Las estaciones seleccionadas son estaciones que tienen un mínimo de datos faltantes (algunos meses) que se completó mediante el uso del software hydraccess. El software hydraccess con la información de las estaciones seleccionadas generó un vector regional, la idea básica del método del vector regional (MVR) es la siguiente: en lugar de comparar dos por dos estaciones por correlación o doble masa, como se hace en los métodos clásicos, se elabora una estación ficticia que sea una “especie de promedio” de todas las estaciones de la zona, con la cual se comparan cada una de las estaciones y de esa manera mediante el indicador de correlación se van seleccionando las estaciones que presenten características similares con las cuales se genera el vector regional y luego así se completan los datos (Anexos 1.4, 1.5).

11

Para estaciones ficticias para obtener información pluviométrica distribuida en toda la superficie de la cuenca se generaron 3 estaciones ficticias que ayudaron a tal fin, que fue una relación de los datos de estaciones reales y la altitud de la estación lo que define la siguiente relación:. Para generar la precipitación en diferentes puntos se usó la siguiente ecuación:

PPprom. mes = Precipitación promedio del mes.

Zeb = Altura en la estación de barrera.

Zprom = Altura promedio de las estaciones reales.

Figura 8. Estaciones de precipitación histórica utilizada en el modelo WEAP

En la figura se muestra la ubicación de las estaciones para realizar la interpolación, se usaron 23 estaciones observadas ubicadas en la cuenca Chira Piura.

)1.....(................................................................................*.Zprom

ZebmesPPpromPP =

12

Los datos de las estaciones ficticias se generaron principalmente para representar la distribución espacial de la precipitación en la sub cuenca, pues presenta una topografía característica que requiere ser representada para el modelamiento hidrológico, siendo uno de las más importantes variables que cumplen un rol muy importante en el balance hídrico. Las estaciones que se usaron para el modelamiento son las que se muestran en la siguiente tabla:

Tabla 2. Estaciones observadas usadas en el modelamiento

Num_Id Nombre Latitud (m) Longitud (m) Altitud 1 E1 585113 9362463 99 2 E2 483315 9459277 12 3 E3 711365 9521103 3156

Con la información generada en toda la superficie de la cuenca se realizó una interpolación mediante el método IDW y finalmente se extrajo la información de precipitación en cada catchment, esto mediante el uso de las herramientas del ArcGis.

Figura 9. Mapa de precipitación aproximada de la cuenca – Mayo 1975

La figura muestra la distribución de la precipitación en la superficie de la cuenca Chira Piura, donde se muestra mayor precipitación en la parte alta de la cuenca, llegando hasta 208 mm en el mes de mayo, y

menor precipitación en la cuenca baja con 0.0 mm.

13

Caudales Esta información es clave para la calibración. Sin embargo, en la zona de estudio no se cuenta con una adecuada distribución espacial y temporal de esta información. Se determinó que el periodo más homogéneo y completo corresponde desde 1972 a 1992, y las estaciones que cumplen estas características son las que se muestran en la tabla a continuación.

Tabla 3. Estaciones de Caudales Medios Utilizadas

Estación Nivel (msnm)

Alamor en Saucillo 290 Ardilla 150 Barrios 298

Bocatoma Zamba 585 Carrasquillo 98

Chililique 299 El Arenal en Puente

Boquerón 1194 El Ciruelo 202

Estación Vicín 272 Malacasí 128

Paraje Grande Quiroz 555 Puente Internacional

Macara 408 Puente Ñacara 119 Puente Ñacara 119

Puente Paltashaco 540 Puente Sanchez Cerro 23

Puente Santa Rosa 626 Puente Sullana 32 San Francisco 74

San Pedro 254 Tambogrande 66 Teódulo Peña 193

14

Figura 10. Mapa de las estaciones de caudal utilizadas en la cuenca Chira-Piura

Resultados preliminares Los resultados que son más importantes de analizar una vez las variables climáticas para catchment han sido importadas en el modelo son los relacionados con caudal, específicamente el caudal modelado comparado con los records observados de caudal. Antes de poder tener confianza en los resultados de cualquier otra medida de desempeño en el modelo como son la cobertura de las demandas de agua o los niveles de los reservorios, debe existir confianza en que el modelo está representando la confiabilidad del sistema. Esto se hace a través de un proceso de ‘calibración’ en el cual los parámetros físicos en el modelo que dictan como la escorrentía se genera dentro del modelo son ajustados poco a poco hasta que el modelo alcanza un estado en el cual está respondiendo a las variables climáticas de entrada de forma similar a como la cuenca real funciona. Un ejemplo de una cuenca bien calibrada se presenta a

15

continuación con caudales observados vs modelados en el punto de Bocatoma Zamba en la subcuenca del Rio Quiroz del modelo de Chira-Piura (Figura 10).

Figura 11. Figura de Calibración del Río Quiroz en la Bocatoma Zamba. Datos observados en rojo y

modelados en azul. El nivel de calibración que es aceptable se basa tanto en una evaluación visual del hidrograma observado vs el observado como se observa arriba, así como a través de varias medidas estadísticas de desempeño como son la eficiencia de Nash-Sutcliffe y el Sesgo1. También es importante anotar que la calibración no se hace solo para caudales pero también para otros indicadores del sistema que tienen records de datos observados asociados con ellos. Estos pueden ser niveles de los reservorios y sus operaciones, el agua en los canales de derivación, la evapotranspiración, los niveles de aguas subterráneas u otras métricas de los aspectos físicos y operacionales del sistema. Una vez un nivel de calibración aceptable se alcanza, el modelo puede ser usado para analizar diferentes aspectos del sistema o medidas de desempeño bajo varios escenarios de incertidumbre que sean definidos por el usuario. Una medida común de desempeño es la cobertura de las demandas, o la cantidad del agua requerida definida en el modelo que es satisfecha por el suministro disponible. Estos requerimientos pueden ser domésticos, agrícolas, de hidroelectricidad o demandas de caudales ambientales, y pueden ser representadas de diferentes formas en el modelo. Una forma común es usar el ‘sitio de demanda’, que puede representar una demanda municipal. Una vez el modelo se corre, los resultados pueden ser vistos con respecto al porcentaje de la demanda cubierta para un municipio en particular y cualquier otro sitio de demanda que se hayan construido en el modelo. Abajo se presenta otro resultado principal de este tipo en el modelo.

1

∑

∑

=

=

−

−−= n

ioio

n

iiois

QQ

QQNash

1

2,

1

2,,

)(

)(1

, y 100 [( ) / ]s o oBias Q Q Q= ∗ −

Donde Qs,i y Qo,i corresponden a caudales simulados y observados para casa paso tiempo i, y n corresponde al número total de pasos de tiempo.

16

Figura 12. Cobertura de las demandas (Huachuma en Naranja, y Zona Yuscay en Verde)

En esta figura, el eje ‘y’ de ordenadas representa el porcentaje de la demanda cubierta (%), con un límite máximo implicando una cobertura del 100%. Se puede ver que la cobertura de la demanda cabe por debajo de 100 en un patrón cíclico anual para el sitio de demanda ‘Zona Yuscay’, y que en algunos años es más bajo que en otros. El sitio de demanda ‘Huachuma’, por el contrario, experimenta un 100% de cobertura por muchos años en secuencia, pero posteriormente experimenta escasez drástica en algunos años. Este tipo de vulnerabilidades son dictadas tanto por la cantidad de agua requerida en los sitios de demanda, como por la ubicación geográfica de los mismos con respecto a la cuenca y a la infraestructura disponible como son los reservorios.

Conclusiones Más que una conclusión definitiva en este punto, se observa que el logro obtenido en términos de producir un modelo de lluvia-escorrentía calibrado con representaciones del suministro y demanda para la región de Piura es de particular relevancia en la implementación del proceso de Apoyo a las Decisiones Robustas de PARA-Agua. Por ejemplo, este modelo será útil en la preparación del taller de Cambio Climático para revisar las escalas temporales y espaciales a las cuales los escenarios deben ser desarrollados para esta región en particular. Por otro lado, los escenarios priorizados durante el Entrenamiento y Diseño Experimental reportados en el Entregable 5a como son la incertidumbre de conservación de páramo y la estrategia de mejoras en la eficiencia de irrigación están siendo incluidos en el diseño y estructura del modelo. Por último, a través de las actividades de construcción de capacidad en las cuales el proceso de construcción del modelo está siendo revisado y examinado por el Grupo de Modelación dentro del Grupo de Modelación de la cuenca - soporte del CRHC Chira-Piura y su Secretaría Técnica, el modelo WEAP resultante de este proceso está siendo actualizado con la mejor información posible y opinión de expertos disponible. Otras conclusiones específicas a la modelación son: - Las estaciones meteorológicas, pluviométricas e hidrométricas no tienen una adecuada distribución

espacial ni temporal, sumada a que algunas estaciones cuentan con información histórica incompleta, lo que reduce el periodo de modelamiento.

- En cuanto a la información pluviométrica existen muchas estaciones con registros desde 1962, sin embargo los datos usados para el modelamiento fueron el periodo 1972 – 1992, los cuales muestran datos confiables y completos.

17

El modelo WEAP de Chira-Piura asociado al presente documento se encuentra en el folder Modelo_de_Chira_Piura_Peru.zip entregado. Una descripción de cómo acceder dicho zip folder se incluye en el Anexo 1.10.

18

Anexos Anexo 1.0 Description of Data Collected from Data Holder Institutions Climate Records: Records of stream-flow, precipitation, temperature, wind, and relative humidity were obtained from ANA. These consisted of both daily and monthly records for a number of stations. Records for each climate variable for the current model were used to produce interpolated maps of these variables for every month in the period of calibration (1973 – 1991) using SURFER software. The period of calibration was decided upon due to the majority of records having data for this period. The temperature records proved to be the limiting factor here, as with only 12 records available, the period in which each station had the most available data was determined to be 1973-1991. To produce the maps of each climate variable across the region, linear krigging was utilized for precipitation, and minimum curvature interpolation was used for relative humidity and wind. Temperature maps across the region were produced using a regression between observed temperatures and elevation. Far more records of precipitation were available than temperature. The number of records utilized for each variable are as follows:

Variable Number of Stations Used Streamflow 21 Average Temperature 12 Precipitation 152 Relative Humidity 13 Wind 13

Fuente: ANA In the previous model developed for the Quiroz-Chipillico, climate records were obtained from ANA, SENAMHI, and Naturalez y Cultura Internacional (NCI). The records were for the period of calibration of 1998-2012, and were available as follows:

Variable Number of Stations Used Streamflow 5 Average Temperature 10 Precipitation 11 Relative Humidity 10 Wind 10

FUENTE: ANA, SENAMHI, NCI Anexo 1.1 Estaciones de temperatura utilizados

Estacion Lat Lon Alt (msnm) Arenales -4.92 -79.85 3010 Chilaco -4.70 -80.51 90

Chulucanas -5.10 -80.17 95 Chusis -5.52 -80.82 4

Esperanza -4.92 -81.06 12 Huarmaca -5.57 -79.52 2180 Miraflores -5.17 -80.61 30

Montegrande -5.36 -80.73 27 Morropon -5.18 -79.98 140

Puente Piura -5.18 -80.62 45 San Miguel -5.24 -80.70 29 Tejedores -4.75 -80.25 230

19

Anexo 1.2. Temperaturas Medias Observados (Feb 1975 Promedios)

Feb-1975 (Temp Media) °C msnm Arenales 9.8 3010 Chilaco 26.3 90

Chulucanas 26.6 95 Chusis 25.8 4

Esperanza 24.7 12 Huarmaca 12.7 2180 Miraflores 26.3 30

Montegrande 26 27 Morropon 24.9 140

Puente Piura 27.8 45 San Miguel 26.6 29 Tejedores 26.2 230

Anexo 1.3 Años de registros por estaciones de temperatura utilizada

Año Arenales Chilaco Chulucanas Chusis Esperanza Huarmaca Miraflores Montegrande Morropon Puente Piura

San Miguel Tejedores

1972 x x x x x x x

1973 x x x x x x x x x x x x








1981 x x x x x x x x x x x










1991 x x x x x x x x x

1992 x x x x x x x x

20

Anexo 1.4 Años de registros por estaciones de Precipitación utilizados Id Nombre Lat (m) Lon (m) Altitud

49 Miraflores 542513.8 9428519.1 30.0 58 Alamor 568167.8 9505880.0 150.0 48 Mallares 529320.7 9463530.2 47.0 34 Ayabaca 642446.4 9487448.5 2700.0 38 Chilaco 555175.0 9480066.1 90.0 41 Huarmaca 664059.3 9384109.7 2180.0 50 Morropón 613016.7 9426997.7 150.0 16 Paraje Grande 620289.4 9487700.5 555.0

319 Sambi 662384.5 9567267.8 1450.0 326 Catacocha 650574.5 9551624.1 1840.0 327 Lauro Guerrero 637760.5 9562301.6 1880.0 328 El Cisne 674675.2 9573910.9 2340.0 294 Mangahurco 563725.2 9540458.7 320.0 297 Paletillas 577845.4 9539587.5 480.0 332 Célica 615871.7 9546270.7 2700.0 310 El Limo 596890.5 9559282.9 1150.0

88 San Miguel 533027.7 9420417.9 29.0 93 Sausal de Culucan 636537.3 9474467.8 980.0 65 Arrendamientos 621733.0 9465279.6 3010.0 40 Frías 627259.4 9454214.3 1700.0 54 Pasapampa 654940.0 9433889.8 2410.0

126 Santo Domingo 624870.4 9444206.6 1607.0 63 Talaneo 660500.1 9441249.1 3430.0

Anexo 1.5 Precipitación Promedio Anual (mm)

Estación Altitud (m.s.n.m.) PP (mm) Sambi 1450 1393.1 Ayabaca 2700 1236.9 Catacocha 1840 892.6 Paletillas 480 1239.3

El Limo 1150 2259.0

Frias 1700 1249.2

Alamor 150 1204.6

Talaneo 3430 647.0

Arrendamientos 3010 505.4

Miraflores 30 178.6

Mallares 47 200.8

Chilaco 90 369.8

Huarmaca 2180 966.0

Morropon 150 433.5

21

Paraje Grande 555 541.3

Lauro Guerrero 1880 1632.3

El Cisne 2340 1129.3

Mangahurco 320 1131.9

Celica 2700 1198.7

San Miguel 29 132.7

Sausal de Culacan 980 303.8

Pasapampa 2410 874.2

Santo Domingo 1607 1046.6 Anexo 1.6 Datos de estación Talaneo completado

Estacion Tipo Fecha Valor Origen

Datos

63 MPm 01/04/1980 95 L Original

63 MPm 01/05/1980 38.4 L Generado

63 MPm 01/06/1980 0 L Original

63 MPm 01/07/1980 25.9 L Original

63 MPm 01/08/1980 13 L Original

63 MPm 01/09/1980 2.6 L Original

63 MPm 01/10/1980 0 L Original

Anexo 1.7 Años de registros por estaciones de precipitación utilizada

Anexo 1.8 Estaciones de Caudales utilizadas

Estación Nivel (msnm)

Alamor en Saucillo 290 Ardilla 150 Barrios 298

Bocatoma Zamba 585 Carrasquillo 98

Estación Sambi Ayabaca Catacocha Paleti l las El Limo Frias Alamor TalaneoArrendamientos Miraflores Mal lares Chi laco Huarmaca Morropón

Para je Grande

Lauro Guerrero El Cisne Mangahurco Cel ica San Miguel

Sausa l de Culacan Pasapampa

Santo Domingo

1972 x x x x x x x x x x x x x x x x x x x x x x x1973 x x x x x x x x x x x x x x x x x x x x x x x1974 x x x x x x x x x x x x x x x x x x x x x x x1975 x x x x x x x x x x x x x x x x x x x x x x x1976 x x x x x x x x x x x x x x x x x x x x x x x1977 x x x x x x x x x x x x x x x x x x x x x x x1978 x x x x x x x x x x x x x x x x x x x x x x x1979 x x x x x x x x x x x x x x x x x x x x x x x1980 x x x x x x x x x x x x x x x x x x x x x x x1981 x x x x x x x x x x x x x x x x x x x x x x x1982 x x x x x x x x x x x x x x x x x x x x x x x1983 x x x x x x x x x x x x x x x x x x x x x x x1984 x x x x x x x x x x x x x x x x x x x x x x x1985 x x x x x x x x x x x x x x x x x x x x x x x1986 x x x x x x x x x x x x x x x x x x x x x x x1987 x x x x x x x x x x x x x x x x x x x x x x x1988 x x x x x x x x x x x x x x x x x x x x x x x1989 x x x x x x x x x x x x x x x x x x x x x x x1990 x x x x x x x x x x x x x x x x x x x x x x x1991 x x x x x x x x x x x x x x x x x x x x x x x1992 x x x x x x x x x x x x x x x x x x x x x x x

22

Chililique 299 El Arenal en Puente

Boquerón 1194 El Ciruelo 202

Estación Vicín 272 Malacasí 128

Paraje Grande Quiroz 555 Puente Internacional

Macara 408 Puente Ñacara 119 Puente Ñacara 119

Puente Paltashaco 540 Puente Sanchez Cerro 23

Puente Santa Rosa 626 Puente Sullana 32 San Francisco 74

San Pedro 254 Tambogrande 66 Teódulo Peña 193

Anexo 1.9 Años de registros por estaciones de caudal utilizado

23

Promedio Anual (m3/s) 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 Alamor 9.9 15.9 2.7 7.8 12.7 9.2 2.4 3.4 1.5 3.0 Ardilla 160.2 140.4 57.1 111.0 168.6 111.3 47.3 51.8 57.2 60.1 Barrios 7.7 10.5 1.9 5.2 9.6 6.1 1.8 2.6 0.8 2.8 Bocatoma Zamba 19.9 23.9 22.9 33.3 29.8 25.9 13.8 14.0 14.3 13.5 Carrasquillo 34.2 41.5 2.5 14.4 24.4 26.3 3.2 3.6 1.0 12.0 Chililique 0.6 1.3 2.1 2.6 4.0 1.0 1.6 0.8 1.2 El Arenal en Puente Boquerón 24.2 24.5 22.7 29.5 26.7 21.9 21.3 15.6 24.2 18.4 El Ciruelo 22.8 138.6 91.0 54.2 51.7 56.6 48.2 Estación Vicin 40.1 36.5 34.5 46.1 45.3 38.7 29.4 24.2 40.4 30.1 Malacasí 16.4 24.5 1.9 12.2 18.3 11.5 3.2 2.8 0.9 6.4 Paraje Grande Quiroz 22.5 22.6 6.1 16.5 19.2 9.7 2.2 2.3 3.2 6.2 Puente Internacional Macara 46.7 24.9 48.2 49.9 37.3 15.8 20.6 20.1 22.5 Puente_Ñacara 34.6 43.4 1.6 15.1 28.5 21.5 2.1 2.8 0.4 8.4 Puente Paltashaco 2.4 3.6 1.3 1.9 2.4 3.7 0.8 1.4 0.3 0.7 Puente Sanchez Cerro 53.5 53.8 9.6 20.3 34.2 35.1 12.9 16.7 17.8 26.7 Puente Santa Rosa 36.1 32.9 31.1 41.5 40.9 34.9 26.4 21.8 36.4 27.1 Puente Sullana 160.2 140.3 57.1 111.0 124.9 78.0 16.6 16.3 17.0 31.0 San Francisco 8.7 5.3 7.1 5.0 4.4 3.2 1.2 0.8 1.2 1.0 San Pedro 0.7 0.8 1.7 2.7 2.9 0.7 1.1 0.4 1.3 Tambogrande_Caudales 46.7 47.8 8.6 16.4 27.0 20.3 3.0 3.5 1.4 10.9 Teodulo_Peña 6.7 9.5 1.5 4.1 5.1 5.4 1.0 1.9 0.4 1.6 Promedio Anual (m3/s) 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 Alamor 3.0 28.1 8.2 2.0 4.0 8.8 2.0 10.6 1.9 3.4 Ardilla 52.0 507.6 209.7 55.7 63.7 117.2 44.7 130.3 56.8 62.9 Barrios 2.3 39.2 11.2 2.4 3.4 7.1 1.6 13.3 1.2 2.9 Bocatoma Zamba 13.9 55.9 42.2 15.3 17.2 18.8 13.6 28.9 17.3 17.8 Carrasquillo 0.2 Chililique 1.0 13.3 5.2 1.0 1.6 2.5 0.8 3.2 1.1 1.5 El Arenal en Puente Boquerón 15.4 23.4 26.8 16.2 19.0 13.5 18.0 20.1 13.2 14.6 El Ciruelo 54.2 224.8 126.5 41.0 64.8 71.1 53.7 125.4 67.2 69.4 Estación Vicin 37.1 38.3 43.3 27.5 31.8 23.7 30.3 33.4 23.4 25.4 Malacasí 3.1 86.6 24.8 2.3 2.4 14.7 1.0 19.0 0.5 1.3 Paraje Grande Quiroz 2.4 55.7 29.2 2.5 2.5 4.8 2.2 9.4 2.2 5.4 Puente Internacional Macara 16.6 107.4 68.8 19.7 25.3 28.1 22.0 52.0 27.3 25.7 Puente Ñacara 2.4 156.4 45.2 5.2 2.6 31.9 0.6 35.4 0.0 2.1 Puente Paltashaco 0.6 9.9 4.0 1.1 1.2 1.3 0.7 2.5 0.5 0.8 Puente Sanchez Cerro 14.8 363.8 57.3 15.3 5.2 39.1 1.5 40.8 0.3 0.6 Puente Santa Rosa 33.4 34.5 39.0 24.7 28.7 21.4 27.3 30.1 21.0 22.9

24

Puente Sullana 13.8 599.9 176.8 27.8 23.0 91.5 18.2 82.6 22.4 21.3 San Francisco 0.6 San Pedro 1.0 17.6 4.7 1.0 1.0 2.8 0.8 3.1 0.8 1.3 Tambogrande 2.6 108.6 2.7 0.5 Teodulo Peña 1.2 24.7 7.8 1.9 1.9 3.8 1.2 6.4 1.0 1.5

25

Anexo 1.10 Using the WEAP model (Modelo_de_Chira_Piura_Peru.zip) folder First, open WEAP, and navigate to the Manage Areas menu under the “Area” menu. Click “Restore” on the pop-up window, and then find the Modelo_de_Chira_Piura_Peru.zip on your computer and open it. The model should then load into WEAP, at which point you can explore the model. At this point, the model area will be present in the “Weap Areas” folder on your computer. You can view the contents of the folder by navigating to “Weap Area”, which is located by default in “Documents”, or wherever the user has specified. Find the “Modelo_de_Chira_Piura_Peru folder within “Weap Areas”, and open it to view its contents. These are as follows: - Datos (folder) o 1, 2, 3, 4, 5, 6 (folders): These are directories that represent each of the different climate scenarios

previously implemented in the Quiroz-Chipillico model. These are artifacts of the previous project and will be replaced by new basin-wide climate scenarios. In each of the folders there are .csv files of each climate variable read by WEAP (precipitation, temperature, relative humidity, wind). Therefore, each numbered folder has slightly different values for each of these variables based upon the specific climate scenario it represents.

o Area1, Area2 (folders): Contains headflows of the river Quiroz, as calculated from the paramos model under the new climate scenarios. This represents the work previously done to calibrate the paramos using another model which represents only the paramo land cover. This model was run under the same 6 climate scenarios in order to find the runoff from the paramos to the river Quiroz. These results were saved as these .csv files and then read by the larger Quiroz-Chipillico model as the headflows of the River Quiroz. Again, this same process will repeated with the new climate scenarios.

o Output (folder): represents the final results from the Quiroz-Chipillico model. Due to the fact that the basin-wide model is still under construction, these results have not been updated with basin-wide results, and still represent just the Quiroz-Chipillico region. Each .csv found in this folder represents a different metric of performance as defined by the user as results of concern to be analyzed (i.e. reservoir levels, potable water demand coverage, agricultural deliveries etc.). These metrics will be similar in the new model, but expanded to represent the entire region.

o Miscellaneous .csv files. These files are various different data sources read by the WEAP model, such as reservoir properties, land cover, canal diversion and such other data.

- GIS (folder)

This folder contains GIS shapefiles utilized by WEAP to display the project area. These include the vegetation, watersheds, digital elevation maps, paramos area, and rivers. The remainder of the files in the area without a folder are the raw WEAP outputs and files which the program itself reads and writes, and are not necessary to use directly as a user.