Influence of Geographical Location on the Temporal Dynamics of Reservoir Storage: A Case Study of Bogotá, Colombia

El agua dulce es el torrente vital de las ciudades modernas, sin embargo, los sistemas que la capturan y almacenan son cada vez más frágiles. A medida que las poblaciones urbanas crecen y los patrones climáticos se vuelven más erráticos, el viejo hábito de gestionar el agua basándose en promedios pasados ya no es suficiente. El desafío radica en predecir cómo se comportarán los embalses cuando el clima cambie o cuando las necesidades humanas cambien. Para lograr esto, los científicos suelen recurrir al análisis de series temporales, un método que observa cómo una sola variable, como el volumen de agua, cambia a lo largo del tiempo para encontrar patrones ocultos. Estos patrones pueden revelar si un sistema sigue un ritmo constante y predecible o si está siendo impulsado por fuerzas irregulares, como sequías repentinas o decisiones humanas deliberadas para liberar agua para el control de inundaciones. Comprender estos ritmos es crítico para las ciudades que dependen de estos embalses, porque no anticipar una caída en los niveles de agua puede provocar graves escaseces para millones de personas.

En 2024, la ciudad de Bogotá, Colombia, enfrentó un recordatorio contundente de esta vulnerabilidad. Una sequía severa vinculada a un fenómeno climático global conocido como El Niño llevó los embalses de la ciudad a niveles críticamente bajos, obligando a las autoridades a racionar el agua para casi diez millones de residentes. Esta crisis resaltó una brecha en las herramientas disponibles para los gestores del agua. Mientras que algunos modelos intentan simular la compleja física de la lluvia y la evaporación, otros se basan en patrones estadísticos encontrados en datos históricos. Los investigadores detrás de este estudio, un equipo de varias universidades de Bogotá, se hicieron una pregunta específica: ¿determina la ubicación geográfica de un embalse qué herramienta estadística es la mejor para predecir su futuro? Se centraron en cuatro embalses clave que abastecen a la ciudad: Chuza, Neusa, Sisga y Tominé. Estos cuerpos de agua no son idénticos; se encuentran en paisajes diferentes, reciben lluvia en patrones distintos y son gestionados para propósitos diferentes. El equipo planteó la hipótesis de que un único enfoque de modelado no funcionaría para todos ellos. En cambio, el mejor método de predicción dependería de la "firma" única de la ubicación de cada embalse y su interacción con la gestión humana.

Los investigadores comenzaron examinando la historia del almacenamiento de agua en estos cuatro embalses. Encontraron que los embalses se comportaban de dos maneras distintas, dictadas en gran medida por su ubicación. El embalse de Chuza, situado en un parque nacional en la vertiente oriental de los Andes, sigue un patrón de lluvia de pico único simple típico de esa región. Se llena durante una temporada de lluvias principal y se vacía durante la temporada seca. Debido a que su comportamiento es impulsado casi enteramente por este ciclo natural, los investigadores encontraron que un modelo estadístico estándar, que busca patrones estacionales repetitivos, funcionaba bien para él. Sin embargo, los otros tres embalses —Neusa, Sisga y Tominé— forman parte de un sistema septentrional más cercano al núcleo urbano de la ciudad. Estos embalses experimentan dos temporadas de lluvias al año, creando un ritmo de doble pico más complejo. Además, debido a que se utilizan para el control de inundaciones y para suministrar agua a la ciudad, sus niveles son ajustados frecuentemente por operadores humanos que abren y cierran compuertas. Esta intervención humana interrumpe el ritmo natural, añadiendo una capa de complejidad que un modelo estacional simple no puede capturar fácilmente.

Para manejar esta complejidad, el equipo desarrolló un enfoque híbrido para los embalses del norte. Combinaron un método que descompone los datos en sus partes estacionales repetitivas con otro método que analiza las fluctuaciones irregulares restantes. Piense en ello como separar una canción en su melodía y su ruido de fondo; la primera parte captura el ciclo climático predecible y repetitivo, mientras que la segunda parte da cuenta de los cambios impredecibles impulsados por el hombre. Cuando probaron este modelo híbrido contra el tradicional, los resultados fueron sorprendentes. Para los tres embalses del norte, el enfoque híbrido produjo pronósticos muy precisos, con errores que oscilaban aproximadamente entre el 5 y el 9 por ciento. En contraste, el modelo tradicional para el embalse de Chuza, que depende de un único patrón estacional, produjo una tasa de error mucho más alta de casi el 29 por ciento. Sin embargo, los investigadores fueron cuidadosos al explicar que este alto error no fue un fallo del modelo en sí mismo. El modelo había identificado correctamente el patrón estacional normal, pero la sequía de 2024 fue un evento extremo que empujó al embalse mucho más allá de su rango histórico habitual. El modelo tenía razón sobre las reglas, pero el clima rompió las reglas.

El estudio también analizó de cerca qué tan bien funcionaron los modelos durante la crisis real de 2024. Para los embalses del norte, los modelos híbridos mantuvieron sus predicciones dentro de un rango realista de incertidumbre, incluso a medida que la sequía se intensificaba. Esto sugiere que, al separar la señal climática natural de las decisiones operativas humanas, el modelo pudo absorber mejor el impacto de la sequía. El embalse de Chuza, sin embargo, vio sus niveles de agua caer tan bajo que quedaron por debajo de los márgenes de seguridad predichos por el modelo. Esto sucedió porque Chuza depende de una sola temporada de lluvias; cuando esa temporada falló, no hubo una segunda oportunidad para recuperarse, a diferencia de los embalses del norte que se benefician de dos temporadas de lluvias y un sistema de gestión más flexible. Los investigadores concluyeron que el alto error para Chuza no se debió a que el modelo estuviera equivocado, sino a que el embalse fue sometido a un evento extraordinario que ningún modelo histórico podría haber anticipado plenamente.

En última instancia, el artículo sugiere que no hay una única "mejor" forma de predecir el almacenamiento de agua para toda una ciudad. La geografía de una cuenca define su régimen de lluvias, y el rol operativo del embalse define cómo interactúan los humanos con él. Para un embalse como Chuza, que sigue un ritmo natural simple, un modelo estacional estándar es suficiente. Para embalses como Sisga y Tominé, que están sujetos tanto a patrones climáticos complejos como a una gestión humana activa, un enfoque híbrido que separe estas dos influencias es mucho más efectivo. El estudio ofrece una herramienta práctica para los gestores del agua, mostrando que, al adaptar el método de predicción a la realidad física y operativa específica de cada embalse, las ciudades pueden anticipar mejor las crisis. El trabajo no pretende resolver el problema del cambio climático o predecir sequías extremas con total certeza, pero sí proporciona una forma más clara y confiable de entender la dinámica del almacenamiento de agua en un mundo cambiante. Al reconocer que la ubicación y la intervención humana moldean los datos, los gestores pueden planificar con mayor confianza, distinguiendo entre un sistema que se comporta normalmente y uno que enfrenta un desafío sin precedentes.