Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Publicado
Agent-based models for integrated water resource management: quantifying land use changes by integrating economic and social incentives. Case study: Vista Hermosa (Meta)
Modelo basado en agentes para la gestión integral del recurso hídrico: cuantificación de los cambios en el uso del suelo mediante la integración de incentivos económicos y sociales. Estudio de caso: Vista Hermosa (Meta)
DOI:
https://doi.org/10.15446/dyna.v92n238.118608Palabras clave:
Güejar River, land use changes, causal diagram, AGENT-based modeling (en)Río Güejar, cambios uso del suelo, diagramas causales, modelación basada en agentes (es)
Descargas
Water management is essential in the face of growing global demand for domestic consumption, food production, and energy generation. This study applies the Integrated Water Resources Management (IWRM) approach to the Güéjar River basin in Colombia, a complex system with productive activities such as agriculture, livestock farming, and oil extraction. An agent-based model developed in NetLogo was used to analyze land use changes under a climate scenario characterized by reduced precipitation and increased temperature. The analysis integrated hydrological data from the GR2M model, a high-resolution land cover map, and a causal diagram representing decision-making processes related to water use and land occupation. The study area covered 2,372 km². Results show that shrublands and secondary forests are the most vulnerable, with losses of approximately 25% and 15%, respectively. In contrast, grazing areas increased by 35%, and small-scale producers declined by 40%, displaced by larger actors. These findings underscore escalating socio-environmental risks.
La gestión del agua es fundamental ante la creciente demanda global para consumo, producción alimentaria y energética. Este estudio aplica el enfoque de Gestión Integral de Recursos Hídricos (GIRH) en la cuenca del río Güéjar (Colombia), un sistema complejo con actividades productivas como agricultura, ganadería y explotación petrolera. Se utilizó un modelo basado en agentes en NetLogo para analizar cambios en el uso del suelo frente a un escenario climático con menor precipitación y mayor temperatura. Se integraron datos hidrológicos del modelo GR2M, un mapa de coberturas de alta resolución y un diagrama causal sobre decisiones de uso del agua y del suelo. El análisis de 2.372 km² mostró que arbustos y bosques secundarios son los más vulnerables, con pérdidas del 25% y 15%, respectivamente. En contraste, las áreas ganaderas aumentan un 35%, y los pequeños productores disminuyen un 40%, desplazados por actores de mayor escala.
Referencias
[1] FAO. Afrontar la escasez de agua: un marco de acción para la agricultura y la seguridad alimentaria. Organización de las Naciones Unidas para la Alimentación y la Agricultura-FAO. [en línea] 2013. Available at: https://www.fao.org/4/i3015s/i3015s.pdf
[2] Sordo-Ward, A., Granados, A., Iglesias, A., Garrote, L., and Bejarano, M.D., Adaptation effort and performance of water management strategies to face climate change impacts in six representative basins of Southern Europe. Water (Switzerland), 11(5), art. 51078, 2019. DOI: https://doi.org/10.3390/w11051078
[3] Vieira, F., and Ramos, H.M., Optimization of operational planning for wind/hydro hybrid water supply systems. Renewable Energy, 34(3), pp. 928–936, 2009. DOI: https://doi.org/10.1016/j.renene.2008.05.031
[4] Instituto de Hidrología, Meteorología y Estudios Ambientales - Ideam. Estudio Nacional del Agua 2022. Ideam. 2023.
[5] Loaiza-Usuga, J.C. y Valentijn, N., Desarrollo de modelos hidrológicos y modelación de procesos superficiales. Caso de estudio para vertientes de alta montaña. Gestión y Ambiente. 14, pp. 23-31, 2011.
[6] Albertini, C., Mazzoleni, M., Totaro, V., Iacobellis, V., and Baldassarre, G., Di. Socio-Hydrological Modelling: the influence of reservoir management and societal responses on flood impacts. Water., 12(5), art. 1384, 2020. DOI: https://doi.org/10.3390/W12051384
[7] Murcia-García. U.G., Guerrero-Rojas M.B., y Vanegas, D., SINCHI. El territorio ordenado es nuestra oportunidad aportes ambientales para actualizar el esquema de ordenamiento territorial. Municipio de Vista Hermosa, Meta. Guía con resultados del proyecto Desarrollo Local Sostenible y Gobernanza Para la Paz, 2019.
[8] Lehner, B., Verdin, K., and Jarvis, A., New global hydrography derived from spaceborne elevation data. Eos, 89(10), pp. 93–94, 2008. DOI: https://doi.org/10.1029/2008EO100001
[9] Ruelland, D., Guinot, V., Levavasseur, F., and Cappelaere, B., Modelling the long-term impact of climate change on rainfall-runoff processes over a large Sudano-Sahelian catchment. IAHS-AISH Publication. 333, pp. 59-68, 2009.
[10] Wagner, P.D., Fiener, P., Wilken, F., Kumar, S., and Schneider, K., Comparison and evaluation of spatial interpolation schemes for daily rainfall in data scarce regions. Journal of Hydrology, pp. 464–465, and pp. 388–400, 2012. DOI: https://doi.org/10.1016/j.jhydrol.2012.07.026
[11] Hargreaves, G.H., and Allen, R.G., History and evaluation of Hargreaves evapotranspiration equation. Journal of Irrigation and Drainage Engineering, 129, pp. 53-63, 2003. DOI: https://doi.org/10.1061/(ASCE)0733-9437(2003)129:1(53)
[12] Hargreaves, G.H., and Samani, Z.A., Estimating potential evapotranspiration. Journal of Irrigation and Drainage Engineering, 108, pp. 223-230, 1982. DOI: https://doi.org/10.1061/JRCEA4.0001390
[13] Ditthakit, P., Pinthong, S., Salaeh, N., Binnui, F., Khwanchum, L., and Pham, Q.B., Using machine learning methods for supporting GR2M model in runoff estimation in an ungauged basin. Scientific Reports, 11(1), art. 99164-5, 2021. DOI: https://doi.org/10.1038/s41598-021-99164-5
[14] Dakhlaoui, H., Ruelland, D., Tramblay, Y., and Bargaoui, Z., Evaluating the robustness of conceptual rainfall-runoff models under climate variability in northern Tunisia. Journal of Hydrology, 550, pp. 201–217, 2017. DOI: https://doi.org/10.1016/j.jhydrol.2017.04.032
[15] Jeong, H., and Adamowski, J., A system dynamics-based socio-hydrological model for agricultural wastewater reuse at the watershed scale. Agricultural Water Management, 171, pp. 89–107, 2016. DOI: https://doi.org/10.1016/j.agwat.2016.03.019
[16] Shahar, E., and Shahar, Causal diagrams and the cross-sectional study. Clinical Epidemiology, 57, art. 42843, 2013. DOI: https://doi.org/10.2147/CLEP.S42843
[17] Bouchet, L., Thoms, M.C., and Parsons, M., Using causal loop diagrams to conceptualize groundwater as a social-ecological system. Frontiers in Environmental Science, 10, art, 36206, 2022. DOI: https://doi.org/10.3389/fenvs.2022.836206
[18] Tisue, S., Wilensky, U., and Tisue, S., NetLogo: design and implementation of a multi-agent modeling environment, 2004.
[19] Chicachausa N., Otalora-Low M., Carrillo N., Arenas-Bautista M.C, y Preziosi-Ribero A., Exploración de cambios en la sabana: integración de sistemas agroecológicos con modelos multiagentes. Congreso Latinoamericano de Hidráulica, Medellín, Colombia. 2024.
Cómo citar
IEEE
ACM
ACS
APA
ABNT
Chicago
Harvard
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2025 DYNA
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
El autor o autores de un artículo aceptado para publicación en cualquiera de las revistas editadas por la facultad de Minas cederán la totalidad de los derechos patrimoniales a la Universidad Nacional de Colombia de manera gratuita, dentro de los cuáles se incluyen: el derecho a editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir en artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.
