1.1 Ubicación del área de estudio

La subcuenca Kaymani se encuentra en el lado este del embalse de Misicuni, abarcando parte de las comunidades de Misicuni y Uyuni (Figura 1). Cuenta con aproximadamente 2,9 km² de extensión y sus coordenadas geográficas son: 17° 6'26.52"S, 66°19'10.67"W; 17°7'33.61"S,66°19'9.70"W; 17°7'32.39"S,66°17'37.95"W; 17° 6'25.29"S, 66°17'38.93"W. Kaymani se encuentra ubicada entre los valles (3 750 - 3 900 m s.n.m.) y el pie de monte (3 900 - 4 100 m s.n.m.), caracterizándose por tener un clima orotropical inferior pluvioestacional húmedo y supratropical superior pluvioestacional subhúmedo con una temperatura media de 9,5°C, mínima de -7,15 °C (junio y julio) y máxima de 22,1 ° C. La precipitación media anual en la cuenca es de 660 mm, siendo que el 20 % de esta se da durante la temporada seca, mientras que la temporada húmeda aporta el 80 % restante (^{Misicuni, 2009}). En este sentido, estas características bioclimáticas han influido en el desarrollo de actividades agrícolas en la cuenca de estudio, convirtiéndose en una forma de ingresos monetarios y autoconsumo propio para los comunarios (^{Misicuni, 2007}).

Figura 1: Ubicación del área de estudio. 

Según la clasificación taxonómica USDA, los tipos de suelo que dominan en pie de monte son el Entisol y el Alfisol; mientras que en los valles predomina el Entisol. Con respecto a la hidrología, dentro de la subcuenca se encuentran el río Kaymani y quebrada Yuraj Kh'ara, los cuales descargan sus aguas directamente en el embalse (^{Bioterra, 2004}).

Para comprender mejor la investigación, se presenta el siguiente sustento teórico:

1.2 Ciclo y cuenca hidrológicos

El ciclo hidrológico es el proceso continuo que experimenta el agua en todos sus estados (sólido, líquido y gaseoso) y formas (agua superficial, agua subterránea, etc.), caracterizándose porque no tiene principio ni final (^{Kiely, 1999}; ^{Villón, 2002}). Entre los componentes del ciclo hidrológico se hallan la precipitación; evaporación y evapotranspiración; infiltración y percolación; y escorrentía (entre otros). El espacio geográfico relacionado al ciclo hidrológico es conocido como “Cuenca hidrológica”. Por lo tanto, una cuenca, será aquella área cuyos flujos de agua estarán conectados hacia un mismo canal principal, además de contar con la influencia geográfica de la zona, de sus pobladores, la flora, fauna y el entorno ambiental en general (^{Gwp y Inbo, 2009}; ^{Promic, 2004}).

Las cuencas se pueden dividir de acuerdo con su estructura en unidades de extensión menores, llamadas subcuencas y microcuencas. De igual manera, conforme a la dinámica hidrológica de una cuenca, se pueden identificar tres distintas zonas: la zona de captación (Cuenca alta), la zona de almacenamiento de transición (Cuenca media) y la zona de descarga de emisión (Cuenca baja)(^{Ordoñez, 2011}; ^{Saavedra, 2018}).

1.3 Uso del suelo

De la misma manera, en las cuencas se desarrollan actividades humanas que transforman los espacios de cobertura y uso del suelo (Pérez et al, 2018; ^{Ruiz et al, 2013}). En este sentido, el uso del suelo es la ocupación de un área con el propósito de satisfacer las necesidades humanas mostrando una transición ambiental de una sustitución gradual de áreas de vegetación por pastos, agricultura, exposición de suelos o un crecimiento de áreas urbanas (^{Brown y Barnwell, 1987}; ^{Procuraduría ambiental y del ordenamiento territorial, 2003}; ^{Pérez et al, 2017}). Así también, la función dada al uso está vinculada con las propiedades del suelo (^{Fao, 2015}).

1.4 Sedimentos

Los sedimentos constituyen material particulado de forma individual o disuelta a partir de la meteorización de las rocas. Las propiedades de los sedimentos son: tamaño, forma, densidad, velocidad de caída, propiedades grupales, composición granulométrica, porosidad, densidad global in situ y ángulo de reposo (^{Basile, 2018}).

1.5 Contaminación agrícola

En base a lo explicado anteriormente, en este punto, se desarrolla el concepto de contaminación agrícola. Este tipo de contaminación difusa se genera por una aplicación excesiva de agroquímicos (^{Lawniczak et al, 2016}), los cuales presentan múltiples puntos de descarga y dependen del ciclo hídrico para su circulación (^{Fernández et al, 2018}; ^{Troitiño, 2011}). Si bien los agroquímicos, como los fertilizantes, mejoran el rendimiento de los cultivos (^{Fao, 2002}) y los pesticidas o plaguicidas previenen, detienen o eliminan las plagas (^{Fao, 2014}), los agroquímicos tienen un impacto en el medio ambiente y la salud humana (^{Butinof et al., 2017}; ^{Espósito et al., 2016}; ^{S. García, 2017}).

Los agroquímicos generalmente están compuestos por el Nitrógeno y Fósforo (^{Fao, 2002}; ^{Magette y Carton, 1999}), los cuales son contaminantes potenciales para el agua. Por lo tanto, para realizar una adecuada gestión de los mismos, es necesario entender las transformaciones químicas de estos nutrientes (^{Magette y Carton, 1999}). Por esta razón, en los siguientes puntos se describe el ciclo del Nitrógeno y Fósforo y se menciona cuáles son los factores ambientales de mayor incidencia en estos procesos.

1.5.1 El ciclo del Nitrógeno en el sistema agrícola

La transformación del Nitrógeno es influenciada por la acción de microorganismos del suelo, plantas leguminosas y por variables ambientales, como contenido de humedad del suelo, temperatura y concentraciones de oxígeno; dependiendo todos del estado atmosférico. Asimismo, entre los procesos que forman parte del ciclo se tiene a: la mineralización, la inmovilización, la desnitrificación y la volatilización. Por un lado, en la mineralización, se oxida el Nitrógeno orgánico a inorgánico (nitrato (NO₃^- - N)); el nitrato que no es tomado por la planta puede lixiviarse suelo abajo llegando al agua subterránea. Por otro lado, el proceso de la inmovilización se transforma el Nitrógeno inorgánico a orgánico. En cambio, la pérdida del Nitrógeno se produce mediante la desnitrificación de nitritos NO₂^- y nitratos NO₃^- a gases de óxido nitroso (N₂O) y nitrógeno elemental (N₂); y mediante la volatilización, se pierde amoníaco (NH₃⁺ - N) (^{Magette y Carton, 1999}).

1.5.2 El ciclo del Fósforo en el sistema agrícola

El comportamiento del Fósforo en los suelos depende de las características físicas y químicas de cada suelo y de la actividad microbiana. Por una parte, el Fósforo orgánico es transformado por los procesos de mineralización e inmovilización; se estima que el 70-80% por ciento de los microbios participan en dichos procesos; por otra parte, el Fósforo inorgánico generalmente está fijado en forma de fosfatos de Ca²⁺, Fe²⁺, Mg²⁺ y Al³⁺, como también en arcillas del grupo caolinitas y ocluido en los óxidos de hierro (Fe₂O₃) y aluminio (Al₂O₃). Asimismo, la solubilización, el pH del suelo y la cantidad de los compuestos son el medio principal para que el Fósforo inorgánico esté disponible (^{Magette y Carton, 1999}).

1.5.3 Pesticidas

Las propiedades físicas y químicas de los pesticidas varían ampliamente de acuerdo a su principio activo. Asimismo, el comportamiento de los pesticidas se encuentra en función de las propiedades del suelo (especialmente, textura y contenido de materia orgánica), las técnicas de aplicación y las condiciones ambientales (humedad, temperatura y aireación) (^{Magette y Carton, 1999}).

1.6 Modelo SWAT

Ahora bien, en mérito a lo anteriormente expuesto, resulta que, para tener una mejor comprensión de estos contaminantes, se han creado diversos modelos para determinar y evaluar la contaminación agrícola (^{Neitsch et al., 2005}). Siendo el modelado un proceso que utiliza herramientas matemáticas a fin de describir el comportamiento dinámico del medio. En ese sentido, hay estudios de aspectos ambientales (escurrimiento, producción de sedimentos, erosión, productividad agrícola, etc.) relacionados con estos modelos informáticos, que son conocidos como Modelos ambientales (^{Peña y Quijano, 2010}).

Entre los modelos más destacados se encuentra SWAT (Instrumento de evaluación de suelos y aguas), el cual puede dividir la cuenca hidrográfica en subcuencas o sub-vertientes. A su vez, para el cálculo del balance del agua (ver Ecuación 1), la cuenca puede ser dividida en dos partes: Fase terrestre del ciclo hidrológico y Fase del enrutamiento hidrológico (^{Uribe, 2010}). La fase terrestre del ciclo hidrológico controla las cargas de agua, sedimentos, cargas de alimento nutritivo y de pesticidas al canal principal de cada subcuenca. Mientras que en la fase de enrutamiento se define el movimiento del agua, sedimentos, nutrientes y pesticidas desde la red de canales al canal principal de la cuenca y en el depósito.

El ciclo hidrológico es simulado por la siguiente ecuación del equilibro del agua:

Donde los parámetros que se utilizan se calculan en 1 día en unidades de (mmH₂O)

SW_t= Contenido final de agua en el suelo

SW₀= Contenido inicial de agua del suelo

R_day = Cantidad de precipitación

Q_surf= Cantidad de escorrentía de la superficie

ET_a= Cantidad de evapotranspiración real

W_seep= Cantidad de agua que se infiltra en el perfil del suelo

Q_gw= Cantidad de flujo de retorno

La erosión y sedimentos se determinan mediante la siguiente ecuación modificada de pérdida universal del suelo (MUSLE) para cada URH (Unidades de Respuesta Hidrológica).

sed= Producción sedimentos en un día dado (toneladas métricas)

Q_surf= Volumen de superficie de escorrentía

q_peak= Escorrentía máxima

area_URH= Área de URH

K_USLE= Factor de erodabilidad del suelo

C_USLE= Factor de cobertura y gestión de USLE

P_USLE= Factor de prácticas de conservación de USLE

LS_usle= Factor topográfico

CFRG= Factor fragmento macro

En cuanto a los criterios estadísticos y rangos de clasificación para evaluar el modelo del flujo de corriente son mencionados en la Tabla 1.

El valor de RSR varía desde el valor óptimo de 0; cuanto menor sea el RSR, mejor rendimiento tendrá la simulación del modelo. En cambio, para NSE, el valor óptimo es de 1; los valores entre 0,0 y 1,0 generalmente se consideran niveles aceptables de desempeño. Valores <0,0 en NSE indican que el valor medio observado es un mejor predictor que el valor simulado. Ello indica un desempeño inaceptable. Los valores para el PBIAS son de acuerdo al componente que se está estudiando. Asimismo, dependerá de los escenarios que se presenten, ya sean típicos o atípicos (^{Moriasi et al, 2007}).

2.1 Etapa 1. Caracterización de la subcuenca

2.1.1 Recolección y sistematización de la información correspondiente al uso y manejo de los agroquímicos

Mediante un proceso de revisión bibliográfica, se recolectó información secundaria correspondiente a la subcuenca de estudio, incluyendo archivos de GPS, mapas, estudios de suelo y agua. Después, se diseñaron y llevaron a cabo encuestas en campo, con el fin de identificar los agroquímicos usados en la subcuenca Kaymani, además de la cantidad usada y la etapa del ciclo agrícola en la que son aplicados. De este modo, se encuestó a 14 productores agrícolas, de acuerdo con el criterio de muestreo no probabilístico, de tipo intencional y aceptación del encuestado (^{López y Fachelli, 2015}). Adicionalmente, la Unidad de Participación Social, Riego y Cuencas de la Empresa Misicuni proporcionó datos relativos al manejo de la producción agrícola en la zona.

Una vez colectada la información a partir de la aplicación de las encuestas, se procedió a sistematizar la información a través del uso del software Excel de Microsoft Office. La sistematización incluyó información correspondiente a la descripción de las parcelas con intervención agrícola, el tipo de cultivo, la clase de fertilizante, la clase de plaguicida y las cantidades utilizadas.

2.1.2 Muestreo en suelos

Como parte de la caracterización del área de estudio, se colectaron 12 muestras de suelo (ocho para el análisis fisicoquímico y cuatro para el análisis de plaguicidas) a una profundidad de 30 cm a finales del mes de abril. Para la selección de los puntos de muestreo se consideraron el estado de la parcela, la pendiente y su ubicación. Los parámetros fisicoquímicos analizados en cada muestra fueron: pH, conductividad eléctrica, textura, densidad aparente, Nitrógeno disponible, Fósforo disponible, Potasio y materia orgánica. Todos los análisis fueron realizados en los laboratorios del Centro de Investigaciones Químicas (CIQ - Quillacollo, Cochabamba). Por otro lado, para la identificación de plaguicidas se utilizaron los métodos de GC-MS (cromatografía de gases de masas), LC-MS/MS (detector de espectrometría de masas) y extracción QuEChERS.

2.2 Etapa 2. Elaboración del mapa de uso de suelo de la subcuenca Kaymani

A partir del uso de imágenes provenientes del satélite Sentinel 2 Nivel 2 de SAS PLANET y CEBERS 4^a, se desarrolló el mapa de uso de suelo correspondiente de la sub-cuenca de estudio para los años 2011 y 2019. Primeramente, para el 2011, mediante la imagen satelital Sentinel 2 Nivel 2 se realizó un mosaico, con una resolución de 2,25 m, el cual permitió almacenar, administrar y visualizar la colección de ráster; después, se digitalizaron todas las unidades de suelo a escala 1:5 000. Seguidamente, se trabajó con la imagen satelital CEBERS 4^a del año 2019, para observar el cambio de uso de suelo, se digitalizaron en esta imagen todos los cambios en el uso de suelo.

2.3 Etapa 3. Estimación de la escorrentía y sedimentación

Para la estimación de la escorrentía y sedimentación en la subcuenca, se empleó el modelo hidrológico SWAT, a partir de la aplicación de los siguientes pasos:

2.3.1 Modelización y estimación de la escorrentía y sedimentación

Primeramente, fue necesario construir el modelo hidrológico de la subcuenca Kaymani a partir del uso de insumos tanto físicos como hidrológicos y climáticos. Esto, con el objetivo de comprender el proceso dinámico en el área de estudio. La Figura 2: describe cada paso seguido:

Figura 2: Proceso de modelación hidrológica con base en lo expuesto por ^{Tamayo (2017)}  

Tal y cual es explicado en la Figura 2, los insumos requeridos para calcular los procesos de escorrentía y sedimentación incluyeron:

Una vez colectados los insumos, se procedió a delimitar la cuenca de estudio, cargando inicialmente el DEM en el delimitador de cuencas del modelo SWAT. A partir de esto, se calcularon los parámetros hidrológicos correspondientes y se estableció el área para la generación de red de drenaje. Asimismo, los puntos de control y subcuenca fueron definidos como la selección de punto de cierre del modelo. Después, para la generación del mapa de URHs, fue necesario cargar al modelo la información de suelo, uso y pendiente (reclasificado en cuatro clases en función al porcentaje de pendientes del 10, 15, 25, 35). Con respecto a los insumos del ciclo hidrológico, en el software SWAT se calculó la evapotranspiración a partir del método de Penman-Monteith, la escorrentía con el método Lluvia diaria/ CN/Ruta diario y los caudales con el método de almacenamiento de variables de enrutamiento de canales.

Seguidamente, se escogió un intervalo de tiempo de simulación a nivel mensual y un periodo de simulación correspondiente al período 1968-2020. Terminada la incorporación de todos los insumos necesarios, se procedió con la simulación del modelo. Una vez concluido el proceso, fue posible leer las salidas correspondientes a los resultados del modelo, mediante el paquete SWATCHECK.

2.3.2 Calibración y validación del modelo

La calibración del modelo fue realizada de acuerdo con lo propuesto en el documento “SWAT Model, use, calibration, and validation” y en el documento “User manualfor SWAT-CUP (SWATcalibration and uncertainty analysisprograms)” (^{Abbaspour, 2015}; ^{Arnold et al, 2012}). La variable independiente seleccionada para el proceso de la calibración y validación fue el caudal de la subcuenca Kaymani. Para obtener este caudal se realizó previamente una pre-modelización con SWAT de toda la cuenca Misicuni (Ver Figura 1) debido a que se contaba con los caudales medidos en campo (desde 1968 hasta el 2009) en los puntos de entrada y salida donde se estableció el embalse.

Una vez determinada la variable independiente se procedió con la calibración y validación del modelo a nivel de subcuenca, dividiendo el período de registro en dos partes: Período de calibración y periodo de validación. Se procuró que ambos periodos posean un balance similar en número de años húmedos/secos e hídricos. Posteriormente, mediante el programa SWAT-CUP-SUFI2 se determinaron los parámetros para la evaluación de los resultados modelados mediante SWAT en función de los componentes del balance hídrico. Dichos componentes incluyeron al coeficiente de evaporación (GW_REVAP), la profundidad del umbral del acuífero subterráneo (GWQMN), el umbral de profundidad del agua en el acuífero poco profundo (REVAPMN), el factor de compensación de la evaporación del suelo (ESCO) y la curva de número (CN2). Las herramientas utilizadas para el análisis estadístico fueron R², NSE, PBIAS y RSR.

2.4 Etapa 4. Estimación del aporte de los agroquímicos provenientes de la subcuenca Kaymani hacia el embalse

2.4.1 Modelización del manejo de los agroquímicos en suelos agrícolas

Una vez calibrado y validado el modelo, se definieron los valores de entrada en el modelo SWAT en relación con las características de los agroquímicos. Se introdujo en la tabla de suelos del modelo SWAT, la información recolectada correspondiente al manejo y la química de los suelos agrícolas de la subcuenca. Se definieron también, las características de la rotación de cultivos, el tipo de agroquímicos usados, la cantidad aplicada de fertilizantes, pesticidas y las fechas en las que son utilizados. También se especificó la carga de Nitrógeno disponible y el pH en el suelo. Para una mejor visualización de la distribución y salidas de los agroquímicos, se utilizó la aplicación SWATviewer.

2.4.2 Comparación de los resultados modelados con las mediciones de campo y la norma boliviana

Para corroborar los resultados de la modelización, se realizó un muestreo de agua para medir los parámetros in situ: pH, conductividad eléctrica, oxígeno disuelto y caudal. De igual manera, se tomaron muestras para poder calcular en laboratorios, la concentración de nitratos y fosfatos. Una vez obtenidos los resultados del aporte de nutrientes de Fósforo y Nitrógeno de la cuenca de estudio, estos fueron comparados con las normas establecidas en la Ley del Medio Ambiente de Bolivia.

3.1 Caracterización agrícola

A partir de las encuestas aplicadas, se determinó que el 100% de los productores encuestados cultivan papa Huaycha en al menos parte de sus terrenos, siendo que el 80% de ellos optan por el sembrado de la papa Lucky en sus parcelas restantes. Asimismo, se ha determinado que los productores cultivan otro tipo de productos para la rotación de cultivos, incluyendo avena, papalisa y oca. Sin embargo, para la caracterización agrícola de los agroquímicos se ha considerado solamente a la producción de papa, por ser la más importante. A continuación, la Figura 3 se pueden apreciar los agroquímicos de mayor uso y las dosis aplicadas en los cultivos de papa.

Los fertilizantes utilizados en el área de estudio son de naturaleza orgánica y mineral, siendo el guano de gallina el más popular entre los productores encuestados (38% de los encuestados la utilizan). Seguidamente, son también utilizados los fertilizantes foliares, urea, abono mezclado, chala y guano de oveja, aunque en menor proporción (≤ 10%). Con referencia al volumen de fertilizante aplicado, se evidencia un uso bastante más elevado en t ha^-1 de gallinaza con respecto a los fertilizantes minerales. Este fenómeno se da debido a que es necesaria mayor cantidad de gallinaza para aportar el Nitrógeno, Fósforo y Potasio necesarios, en comparación con abonos minerales (^{Fundación Hogares Juveniles Campesinos, 2004}; ^{Guerrero, 1998}).

Figura 3: Agroquímicos de mayor uso y dosis aplicada 

Asimismo, analizando el diagrama de la Figura 3:, se puede observar que un 75% de los agricultores no aplican más de 6 t ha^-1 de gallinaza en sus terrenos, mientras que el restante 25% aplicaría 6,25 t ha^-1. Comparando estos datos con los establecido por ^{Guerrero (1998)} y ^{Peña (1997)}, que sugieren una aplicación de entre 2 a 5 t ha^-1, los datos obtenidos en la cuenca de estudio, se encontrarían en su mayoría dentro del rango recomendado. Sin embargo, si bien las concentraciones aplicadas difieren de parcela a parcela en función a la fertilización del suelo, al tamaño de terreno, a las propiedades fisicoquímicas del suelo y al rendimiento del cultivo deseado, estaría existiendo un excedente de 25% de Nitrógeno y Fósforo, aproximadamente. Esto representa, por un lado, una pérdida económica para el productor, pero, además, el excedente es transportado hacia el embalse Misicuni mediante escorrentía y lixiviación, representado un riesgo para la calidad agua.

Con respecto al uso de pesticidas, se evidencia que los más utilizados en el área de estudio son el insecticida Karate-Lambdacialotrina (42%), el fungicida de Curaza- Manconzeb (23%) y el Priori-extra-Azoxistrobina y Ciproconazol (15%). Entre estos pesticidas, el Karate y Priori-extra son los únicos que sobrepasan la dosis sugerida por ^{Syngenta(2017)}, siendo que el Karate suele emplearse en cantidades 19 veces mayores a la cantidad sugerida. Sin embargo, el insecticida Thodotrin, a pesar de no aplicarse en exceso, se halla en el límite sugerido de 0,3 kg ha^-1.

En este contexto, el exceso en la aplicación de plaguicidas puede implicar un eventual lavado y transporte de estos hacia otras áreas de la subcuenca, pudiendo ser tóxicos para el ecosistema. Aunque la toxicidad depende de la clasificación de cada pesticida, ^{Echa (2021)} explica que todos los pesticidas identificados en este estudio se caracterizan por ser muy tóxicos para la vida acuática. Si bien la Azoxistrobina y el Dimetamorfo se degradan relativamente rápido, los demás compuestos son bastante persistentes (^{Echa, 2021}).

3.2 Caracterización textural de la subcuenca

Continuando con la caracterización del área de estudio, en la Figura 4: y Tabla 2 se muestran los resultados obtenidos del análisis de suelos en la subcuenca Kaymani. Como se observa, todos los suelos analizados presentan texturas esencialmente francas con distinta proporción de arena, limo y arcilla, caracterizándose por su textura mediana, una infiltración mediana a lenta y una capacidad de almacenamiento de agua moderada. En este tipo de suelo, la retención de contaminantes es moderada. De igual manera, la erosión hídrica de desprendibilidad y de transportabilidad es mediana.

Figura 4: Textura del suelo y materia orgánica de las muestras obtenidas para la subcuenca Kaymani. 

Asimismo, el pH, se encuentra entre las categorías de fuertemente ácido y moderadamente ácido, típico de los Entisoles y Alfisoles (^{Bioterra, 2004}). Debido a esta característica, y la temperatura del área de estudio la posibilidad del desarrollo de microorganismos se dificulta (^{Osorio, 2012}) y la disponibilidad de la materia orgánica y del Nitrógeno, Fósforo y Potasio también se verán influenciadas; como por ejemplo habrá una menor disponibilidad de nitratos y Nitrógeno amoniacal mineralizado (^{Argüello, 1991}; ^{Alvarado, 2008}; ^{Soto et al, 2016}; ^{Villarroel, 1988}). De la misma manera, observando los resultados de los macronutrientes (Nitrógeno, Fósforo y Potasio), estos varían entre las categorías de muy baja, baja, media y alta. Esta distribución, además de ser influenciada por el manejo heterogéneo de las distintas parcelas (^{Chavarriaga et al, 2015}; ^{Sánchez et al, 2005}) o que las plantas asimilen más el Nitrógeno-Fósforo-Potasio disponible, nos indica que existe la posibilidad de que los nutrientes en estado inorgánico u orgánico hayan sido transportado mediante escorrentía al canal o al embalse (^{Tinal et al, 2015}).

Sin embargo, a través del análisis de pesticidas no se pudo detectar la presencia de plaguicidas en las muestras. Dichos resultados pueden haber sido influenciados por la época en la que se realizó el muestreo pues, según el calendario agrícola de la papa, abril es época de cosecha. En tal sentido, el contenido de plaguicidas probablemente pudo haber sido eliminado del suelo en las fases de desprendimiento, degradación y persistencia (^{Altamirano, 2015}). Por lo tanto, los residuos de pesticidas podrían haber sido ya transportados hacia las cuencas bajas, sobre todo si es que poseen valores de solubilidad alta (^{Altamirano, 2015}; ^{Magette y Carton, 1999}). Por otro lado, considerando el porcentaje elevado de materia orgánica en las muestras, el suelo debería tener una mayor capacidad para absorber los plaguicidas; sin embargo, la humedad de la zona puede haber favorecido igualmente la degradación de pesticida (^{García, 2000}).

3.3 Uso de suelo

La clasificación obtenida para el uso de suelo en la subcuenca Kaymani para los años 2011 y 2019 fue codificada según los códigos de la base de datos de SWAT. En la Figura 5:, se observan los mapas de uso de suelo (año 2011 y 2019). Las distintas categorías se componen de la siguiente manera:

Figura 5: Mapa de uso de suelo de 2011 y 2019 en la subcuenca Kaymani 

Como puede observarse en la Figura 5: y en Figura 6:, se ha registrado un cambio muy poco significativo en cuanto al uso de suelo entre el año 2011 y 2019 en la subcuenca Kaymani, con un aumento en el porcentaje de áreas agrícolas (5%) y una disminución en el porcentaje de pastizales (4%). También, se puede observar que el área urbana no ha crecido en el período analizado, pudiéndose inferir que no existe un crecimiento demográfico en la cuenca de estudio, siendo que la mayor parte de la población solo habita la zona durante épocas importantes del calendario agrícola (^{Misicuni, 2021}).

Figura 6: Comparación del uso de suelo para los años 2011 y 2019 en la subcuenca Kaymani 

Por lo tanto, el uso de suelo en la subcuenca Kaymani, respecto al área agrícola, no tendría un cambio significativo. Esto podría deberse al clima supratropical altimontano y orotropical altoandino de la cuenca, que permite un número limitado de cultivos(^{Minagri, 2013}; ^{Navarro y Maldonado, 2002}). Esta limitación también podría ser influenciada por las características texturales y geomorfológicas de la subcuenca (^{Bioterra, 2004}). Asimismo, al no existir un crecimiento abrupto en el área agrícola, posiblemente no habrá un aumento en el uso de los agroquímicos y, por ende, el aporte de agroquímicos se mantendrá casi constante; sin embargo, el aporte dependerá de las características geomorfológicas del lugar.

3.4 Modelización de la escorrentía y sedimentación

En base a los resultados de la caracterización agrícola y el uso de suelo en la cuenca de estudio, se obtuvieron los resultados apreciados en la Figura 7: los cuales fueron obtenidos mediante la aplicación el modelo SWAT. Al calibrar el modelo (1968-1990) a través del análisis de la variación del caudal observado versus la mejor estimación del caudal, se obtuvo un valor de R² igual a 0,88, indicando una relación cercana entre los valores observados y los valores simulados. Por otro lado, el valor de coeficiente de eficiencia de Nash y Sutcliffe (NSE), el cual determina la magnitud relativa de la varianza residual, fue de 0,83, lo que significa que se ajustó a la relación 1:1, mostrando un muy buen desempeño hidrológico del modelo. En cuanto al índice de error PBIAS, se obtuvo un valor de 22,5, satisfactorio para flujos de corriente, siendo pequeña la tendencia del promedio de los datos simulados con relación a los datos observados. Del mismo modo, la desviación estándar obtenida para las observaciones RSR, calculado como la relación entre el RMSE (error cuadrático medio) y la desviación estándar de los datos medidos, fue de 0,42 demostrando un muy buen rendimiento del modelo.

Una vez terminada la calibración, se procedió con la validación de los resultados utilizando un periodo de 19 años (1991 a 2009) (Figura 7:). Los valores del coeficiente de eficiencia NSE de 0,49 y de la relación de desviación estándar de observaciones RSR de 0,72 son insatisfactorios, lo cual significaría que, los valores observados son mejores que los simulados (^{Moriasi et al, 2007}). No obstante, el coeficiente de relación R² (0,52) y el PBIAS (17,1) se encuentran en rangos aceptables; siendo R² un valor muy sensible a los cambios en valores extremos. En consecuencia, al considerar estos cuatro parámetros estadísticos en los periodos de calibración y validación (38 años en total) se determinó que el modelo tiene un rendimiento satisfactorio.

Asimismo, en relación con el balance hídrico simulado por el modelo SWAT para la subcuenca Kaymani, se obtuvo que el escurrimiento superficial anual promedio corresponde al 19,14% (130 mm) de la precipitación (681,4 mm). Este valor implica una disminución de este aporte en los últimos 10 años (155 mm en 2010), probablemente como resultado de la disminución en los valores de precipitación en la subcuenca (^{Kiely, 1999}), que a su vez ha causado valores más grandes de infiltración en los suelos, compensando la humedad del suelo y la recarga del agua subterránea (^{Villón, 2002}).

Figura 7: Calibración y validación del modelo SWAT. 

En este contexto, como se puede apreciar en la Figura 8:, al dividir Kaymani en microcuencas, es posible distinguir que las microcuencas 2, 4, 6, 11, 14, 19 y 20 son las que mayor escorrentía aportan. Esto se debe a que estas microcuencas presentan las pendientes más elevadas del área de estudio, produciéndose en ellas una mayor escorrentía y menor infiltración. Sin embargo, el aporte de material arrastrado proveniente de cada una estará en función del manejo de suelos y técnicas de control de la escorrentía en cada microcuenca.

Figura 8: Mapa de escorrentía 

En lo referente al comportamiento de los sedimentos de la subcuenca, se obtuvo un valor anual de sedimentos arrastrados correspondientes a 51 t ha^-1 para el año 2020 (Figura 9:). Si bien el comportamiento de los sedimentos puede verse potenciado por eventos hidrológicos extraordinarios de aumento o disminución extremo del aporte del caudal (^{Caf, 2014}), el grado de inclinación de la pendiente y el uso de suelo (^{Basile, 2018}) tienen una influencia principal en la generación de sedimentos.

Sin embargo, cuando los resultados obtenidos son comparados con investigaciones similares, cuencas con un mayor porcentaje de uso de suelo agrícola y con áreas más extensas aportan usualmente valores mucho menores de sedimentos (menores a 2,27 t ha^-1 en los estudios de ^{Kirsch, 2000} y ^{Pontes et al., 2021}, por ejemplo). Esta aparente sobreestimación podría deberse a errores en la predicción del flujo máximo, produciéndose una respuesta rápida del caudal aguas abajo en un tiempo corto en la subcuenca (^{Kiely, 1999}; ^{Rostamian et al., 2008}). Por otro lado, la fórmula principal de la pérdida de sedimentos (MUSLE), mostró en la cuenca Kaymani una mayor sensibilidad a la erosión hídrica (^{Tamayo, 2017}) y menor sensibilidad a la cobertura del suelo que controla la erosión y la producción de sedimentos. En este sentido, ^{Pontes (2021)} afirma que, en cuencas pequeñas, el modelo SWAT podría no representar correctamente la interacción entre la cobertura del suelo y la erosión de la ladera en las cargas de sedimentos; por lo tanto, para tener una mejor representación, se aconseja incluir múltiples fuentes de datos de erosión interna.

Figura 9: Aporte anual de sedimentos (t ha^-1) desde la subcuenca Kaymani 

3.5 Aporte de agroquímicos

Con respecto al aporte de agroquímicos en la subcuenca de estudio, el modelo se aplicó desde 1971 a 2020 debido a los datos climáticos considerados en su configuración. Es así que se tiene como promedio del aporte total anual de ese rango de años y para una mejor apreciación se determinó el aporte promedio del año 2020. Para la presencia de Nitrógeno, se comprende el aporte de nitratos NO₃^-, Nitrógeno orgánico (NORG) y amonio NH₄⁺ como formas químicas potencialmente transportables por el agua (Tabla 3).

Es posible observar que, entre los años 1971-2020, el promedio de Nitrógeno total anual modelado es de 50,98 t.año^-1 mientras que, durante el año 2020, se observa un aumento a 64,37 t año^-1, siendo ambos valores elevados. En este sentido, se distingue a las microcuencas 4, 9, 16 y 17 como las que mayor Nitrógeno total aportan, con un aporte de cada microcuenca de entre 6 000 a 8 000 kg año^-1. Comparando estos resultados con la literatura, se tiene que los valores simulados de Nitrógeno por el modelo SWAT para la subcuenca Kaymani podrían estar siendo sobreestimados. Por ejemplo, en la investigación de ^{Wang (2015}) se obtuvo un valor de 1,35 mg l^-1 de Nitrógeno total de la región de Eastern Hokkaido en Japón (con un uso de suelo del 40% en la agricultura). En ese mismo sentido, en la cuenca de Cedar Creek en Texas, con nueve plantas de tratamiento de aguas residuales (PTAR), se calcularon entre 0,86 y 18,4 t ha^-1. año^-1 de Nitrógeno total (^{Narasimhan et al, 2010}).

Figura 10: Modelación del ciclo del Nitrógeno 

Por otro lado, el resultado del proceso de desnitrificación simulado fue igual a cero (Figura 10), por lo que no se registraron pérdidas en el sistema en forma de óxido nitroso (N₂O) ni de Nitrógeno elemental (N₂). De igual manera, durante el proceso de volatilización, tampoco se registró la pérdida amoníaco (NH₃⁺ - N). Como consecuencia, la pérdida en el sistema en forma de nitratos fue mayor (^{Ikenberry et al, 2017}). Con respecto al contenido de Nitrógeno orgánico, al no existir procesos de desnitrificación ni volatilización, el porcentaje de Nitrógeno orgánico que se perdía es distribuido entre los procesos de pérdida, erosión del suelo y lixiviación (^{Celaya y Castellanos, 2011}). Asimismo, la mineralizacion calculada en total fue de 17,79 kg ha^-1. El dato obtenido varía principalmente en función de la temperatura y del contenido hídrico. Como se utilizó el componente CFRS Word para la temperatura y humedad relativa, este seguramente influyó en la modelización de la mineralización ya que tanto la temperatura máxima como la humedad son mayores a las proporcionadas por dicho componente. Por lo tanto, existe una descomposición más rápida del Nitrógeno en la zona.

La comparación entre los resultados del modelo del año 2020 y las mediciones in situ del 2021, con respecto al aporte arrojó los siguientes valores: 1 < NO₃^- <3,2 mg l^-1 para las mediciones en campo y 1,29 < NO₃^- <5,14 mg l^-1 para los resultados modelados, cumpliendo en ambos casos lo establecido en la Ley 1333 (NO₃^- <10 mg l^-1). Asimismo, los otros parámetros medidos en campo estarían cumpliendo lo establecido por la misma ley. Por ejemplo, los valores de oxígeno disuelto del agua (OD) medidos in situ (97< OD< 148 %) se encontraban dentro de un rango muy bueno (OD > 80%), lo que estaría indicando una buena reoxigenación del agua en río Kayamani y quebrada Yuraj K'hara. En este sentido, la temperatura (10,77 < T < 12,8 °C) y conductividad eléctrica (83,7 < uS< 116,97) medidas en campo, estarían favoreciendo la solubilidad del oxígeno; ya que, a menores temperaturas y salinidad, la solubilidad del oxígeno es mayor. Asimismo, el pH del agua medido en campo fue de 6,69 < pH< 8,00 (casi neutro) lo cual implicaría la ausencia de minerales como Fe³⁺, H₂PO₄ y H₂S, que acidifican el agua.

Con respecto al aporte modelado de Fósforo al flujo de agua desde la cuenca Kaymani, los resultados obtenidos pueden ser apreciados en la Tabla 4:

Como promedio histórico para el transporte de Fósforo total, se modeló un valor de 22,93 t anuales mientras que para el año 2020, el valor subió a 32,62 t anuales. En este marco, la microcuenca 9 continuó siendo la que mayor aporte genera, seguida por las microcuencas 17, 16 y 4. Comparando estos valores con investigaciones similares realizadas en cuencas más extensas, se tiene que, en Cedar Creek, Mahantango y Rock River, por ejemplo, se simularon valores de transporte de Fósforo mucho más bajos, de entre 0,00019 a 2,18 t ha^-1 como máximo. A pesar de ser valores comparativamente bajos, los resultados modelados de la carga de Fósforo en dichas investigaciones fueron más altos que los valores monitorizados, según sus autores (^{Kirsch, 2000}). Por lo tanto, la bibliografía revisada parece confirmar que los datos de Fósforo total son elevados cuando se modelan a través del modelo SWAT. Este resultado podría deberse a también a que, en la carga de sedimentos calculado en el modelo, el Fósforo orgánico está adherido con las partículas de sedimentos.

Con respecto al ingreso de Fosfatos, los seis puntos muestreados se encontraron bajo del valor máximo establecido por la Ley 1 333 (0,5 mg l^-1). No obstante, en el punto 1, se obtuvo un valor relativamente elevado de 0,41 mg l^-1, Pues era el punto de muestreo más cercano a la comunidad.

En cuanto al aporte de pesticidas, el modelo SWAT simuló el movimiento de éstos mediante los algoritmos adaptados del modelo GLEAMS (Leonhart et al, 1987). De acuerdo con la base de datos del modelo, se determinó el transporte de los principios activos de la Lambadacialotrina y Maconzeb. Sin embargo, los principios activos de la Azoxistrobina, Ciproconazol, Clorotalonil, Dimetomorfo y Cymoxanil no están incluidos en la base de datos de SWAT por lo que no pudieron ser modelados (Ver Tabla 5).

En tal sentido, se calculó el total de la concentración promedio de los años 19712020 de la Lambadacialotrina en aplicación, descomposición, escorrentía, lixiviado, flujo lateral y la cantidad final de plaguicida. El dato inicial de aplicación en la subcuenca fue de 0,85 kg ha^-1. Este dato se relaciona con la concentración aplicada por los agricultores en la zona de estudio. Por otro lado, la descomposición de la Lambdacialotrina modelada arrojó un valor de 0,66 kg ha^-1. Este dato se vincula con las características químicas de la Lambdacialotrina, la cual se encuentra envuelta en un polímero sintético biodegradable, el cual lo hace disponible para el momento de absorción (^{Ming et al., 2008}). Se observa, además, que la escorrentía por absorción es mayor en suelos franco-arcillosos; por ello, las microcuencas con más contenido de este tipo de textura abordan más el principio activo.

Así también, considerando todo el proceso de transporte y destino de la Lambadacioalotrina, la cantidad final modelada de este plaguicida en el suelo fue de 1,5.10^-4 kg ha^-1. Para saber si esta cantidad es elevada, se comparó con la concentración mínima de límites detectables para la Lambdacialotrina de 0,05 mg kg^{- 1} en una hectárea; como concentración mínima, se calculó 1,48.10^-3 kg ha^-1. Como se observa, la cantidad de Lambdacialotrina en el suelo es baja. Sin embargo, existe la posibilidad de que este principio sea transportado directamente hacia el embalse. Por otro lado, se puede observar que, en el análisis de balance de masa, la cantidad de pesticida presente en la salida es mayor en comparación con la cantidad de entrada. Este comportamiento se atribuye, posiblemente, a la acumulación del pesticida en el suelo, el cual fue posteriormente lavado.

Con respecto al Manconzeb, la cantidad que se aplica en la subcuenca es de 0,13 kg ha^-1. Esta cantidad es mayor que la de la Lambdacioalotrina porque el Manconzeb constituye el principio activo de muchos fungicidas y es usado para eliminar o detener la propagación de los hongos en los cultivos. Con respecto a la modelización, la descomposición del Manconzeb calculada fue de 0,11 kg ha^-1, lo cual implica que no sería fácilmente degradable ni persiste en el suelo. En tal sentido, los datos de escorrentía en solución y absorción modelizados para este pesticida estarían relacionados con su baja solubilidad en el agua, persistiendo el Manconzeb en agua de sedimentos (^{Echa, 2021}). Asimismo, la lixiviación y flujo lateral de Manconzeb mostró valores superiores a los de la Lambadacialotrina debido a su solubilidad en agua y suelo. En este contexto, por ejemplo, la resolución ^{Resolución Colombiana 1 542 (2011)} califica a Manconzeb como un compuesto moderado de lixiviación. Finalmente, al igual que en el caso de la Lambdacialotrina, tras un análisis del balance de masa, es posible observar que existe mayor concentración del pesticida en la salida que la entrada. Una vez más, esto puede ser explicado por una posible acumulación del contaminante que luego es lavado.