Biv00258 PDF

PROGRAMA DE CAMBIO CLIMTICO Y CALIDAD DE AIRE
ESCENARIOS DEL CAMBIO CLIMTICO

EN EL PER AL 2050
Cuenca del Ro Piura
Embajada
Servicio Nacional
de Real
de
los
Pases Bajos
Meteorologa e Hidrologa
Servicio Nacional de Meteorologa e Hidrologa - SENAMHI

Jr. Cahuide 785 Jess Mara Lima, Per
Segunda edicin: octubre de 2005
Equipo Tcnico
Coordinacin General
Mayor FAP Juan Coronado Lara
Coordinacin Local
Gabriela Rosas
Equipo Escenarios Climticos

Amelia Daz
ngel Cornejo
Clara Oria
Delia Acua
Gabriela Rosas
Gonzalo Fano
Grinia Avalos
Luis Metzger
Mauricio Carrillo
Equipo SIG
Ever Castillo
Carmen Vassallo
Guillermo Tataje
Oscar Barrenechea
Infraestructura del Sistema Computacional

Richard Miguel
Revisin
Ph. D. Eugenia Kalnay
University of Maryland - UMD, USA
Asesora
Ph. D. Nicholas Graham
Hydrological Research Center - HRC, USA
M Sc. ngel Cornejo

Servicio Nacional de Meteorologa e Hidrologa -SENAMHI, Per
Edicin
Grinia Avalos
Asistentes de edicin
Cristina Amiel
Clara Oria
Jenny Roca
Diseo
Juan Ulloa
Cristina Amiel
Esta publicacin fue elaborada y financiada por el SENAMHI con aportes de la Embajada Real de los Pases Bajos,
a travs del Programa Nacional de Fortalecimiento de Capacidades para Manejar el Impacto del Cambio Climtico y
la Contaminacin del Aire - PROCLIM
SERVICIO NACIONAL DE METEOROLOGA E HIDROLOGA
CONTENIDO
Pgina
Agradecimiento
Resumen Ejecutivo
Resumen General
xii
xvii
CAPITULO I INTRODUCCION
1.1
1.2
1.3
1.4
1.5
1.6
2
3
4
5
6
7
8
10
1.7
El cambio climtico
Bases tericas del cambio climtico global
Los sistemas acoplados
Formas de variabilidad natural
El Nio Oscilacin del Sur (ENOS)
Cambios en la circulacin atmosfrica en el Pacfico Tropical
1.6.1 Patrones de circulacin atmosfrica en la costa norte
El Salto Climtico del Pacifico
CAPITULO II LOS ESCENARIOS DEL CAMBIO CLIMATICO
13
2.1
2.2
13
13
13
14
14
15
16
16
17
19
20
2.3
2.4
2.5
Concepto de escenarios
Incertidumbres de escenarios
2.2.1 Incertidumbre en la prediccin del clima futuro
2.2.2 Fuentes de incertidumbre
2.2.2.1 Incertidumbre debido a las emisiones
2.2.2.2 Incertidumbre debido a los modelos
2.2.2.3 Incertidumbre debido a la variabilidad natural
2.2.2.4 Incertidumbre debido a la regionalizacin
Los escenarios de emisiones
Emisiones de CO2 global
Concentracin de CO2 en los diferentes escenarios
CAPITULO III CUENCA DEL RIO PIURA
21
3.1
3.2
3.3
3.4
3.5
3.6
3.7
21
22
22
22
23
23
24
Ubicacin
Hidrografa
Caractersticas Climticas
Hidrogeologa
Uso de Agua
Actividad Agrcola
Poblacin
CAPITULO IV ANALISIS DE LOS MODELOS DE CIRCULACION

GENERAL DE LA ATMOSFERA
4.1
4.2
Descripcin de los modelos de circulacin general

4.1.1 Modelos utilizados en este estudio
Temperatura Superficial del Mar
4.2.1 Metodologa
4.2.2 Resultados
4.2.2.1 A escala regional
4.2.2.2 A escala local
i
26
26
27
32
32
32
32
36
4.2.2.2.1
4.2.2.2.2
NIO 1+2
NIO 4 y NIO 3
36
41
4.3
Presin atmosfrica a nivel del mar como indicador de eventos ENOS

4.3.1 Metodologa
4.3.2 Resultados
52
52
52
4.4
Nivel medio del mar

4.4.1 Metodologa
4.4.2 Resultados
4.4.2.1 Observaciones
4.4.2.2 Modelos globales
4.4.2.2.1 Cambios del nivel medio del mar a nivel global
4.4.2.2.2 Cambios del nivel medio del mar a nivel regional
57
57
57
58
62
62
63
4.5
Precipitacin
4.5.1 Metodologa
4.5.2 Resultados
4.5.2.2 A escala Per
4.5.2.3.1 Zona de Piura Chulucanas
64
64
64
64
69
73
76
CAPITULO V REGIONALIZACION DINAMICA

5.1
5.2
5.3
Metodologa
5.1.1 Datos Preliminares
5.1.2 Simulacin regional
5.1.3 Variables analizadas
Resultados
5.2.1 Precipitacin
5.2.1.1 Tendencia histrica de la precipitacin
5.2.1.2 Tendencia histrica de la temperatura mxima
5.2.1.3 Tendencia histrica de la temperatura media
5.2.1.4 Tendencia histrica de la temperatura mnima
5.2.2 Anlisis de la informacin proyectada
5.2.2.1 Precipitacin
5.2.2.1.1
Anlisis trimestral
5.2.2.1.2
Anlisis de tendencias futuras
5.2.2.1.2.1 Tendencia de la precipitacin 2004 2020
5.2.2.1.2.2 Tendencia de la precipitacin 2004 2035
5.2.2.2
Temperatura mxima
5.2.2.3
Temperatura mnima
5.2.2.4
Temperatura media
79
79
79
82
84
84
84
88
90
92
95
95
95
97
97
99
103
106
108
Balance hdrico en la Cuenca del Ro Piura

5.3.1 Metodologa
5.3.2 Resultados
5.3.2.1 Disponibilidades hdricas
5.3.2.2 Demandas hdricas
5.3.2.3 Balance hdrico
5.3.2.4 Anomalas de disponibilidades hdricas
5.3.2.5 Anomalas de demandas potenciales hdricas
5.3.2.6 Anomalas de balance hdrico
111
112
115
116
117
118
118
119
ii
5.4
Disponibilidad de agua regulada para la cuenca del bajo Piura y

parte del medio Piura.
5.4.1 Mxima duracin de periodo seco histrico
5.4.2 Mxima duracin de periodo seco pronosticado escenario A2
2004 2020.
5.4.3 Tiempo de retorno de periodo seco histrico
5.4.4 Tiempo de retorno de periodo seco pronosticado escenario A2
2004 2020
122
122
122
123
123
CAPITULO VI REGIONALIZACIN ESTADSTICA

6.1
6.2
Metodologa
Resultados
125
126
CAPITULO VII ANLISIS DE EXTREMOS REGIONALES

7.1
7.2
Metodologa
Resultados
7.2.1 Anlisis de la informacin histrica
7.2.1.1
Precipitacin histrica
7.2.1.2
Temperatura mxima histrica
7.2.1.3
Temperatura mnima histrica
7.2.2 Posibles tendencias futuras de eventos de precipitacin extrema
7.2.3 Posibles tendencias futuras de eventos extremos de
Temperaturas mximas
7.2.4 Posibles tendencias futuras de eventos extremos de
Temperaturas mnimas
7.2.5 Discusin de resultados
7.2.5.1
Precipitacin
7.2.5.2
Temperatura mxima
7.2.5.3
Temperatura mnima
131
132
132
132
139
145
151
157
162
167
167
167
168
CAPITULO VII CONCLUSIONES GENERALES
169
Apndice
171
Glosario
178
Referencias Bibliogrficas
182
Anexos de Mapas (documento adjunto)

Anexo A:
Anexo B:
Anexo C
Anexo D:
Anexo E:
Anexo F:
Anexo G:
Anexo H:
Anexo I:
Mapas de regionalizacin dinmica

Mapas de balance hdrico
Mapas de precipitaciones extremas histricas
Mapas de temperaturas mximas extremas histricas
Mapas de temperaturas mnimas extremas histricas
Mapas de tendencias de precipitaciones extremas futuras
Mapas de tendencias de temperaturas mximas extremas futuras
Mapas de tendencias de temperaturas mnimas extremas futuras
Mapas de precipitaciones y temperaturas extremas futuras esperadas
iii
INDICE DE FIGURAS
Fig. 1:
Fig. 2:
Fig. 3:
Fig. 4a:
Fig. 4b:
Fig. 4c :
Fig. 5:
Fig. 6:
Fig. 7:
Fig. 8:
Fig. 9:
Fig. 10:
Fig. 11:
Fig. 12 :
Fig. 13:
Fig. 14:
Fig 15:
Fig. 16:
Fig. 17:
Fig. 18:
Fig. 19:
Fig. 20:
Fig. 21:
Fig. 22:
Fig. 23:
Fig. 24:
Fig. 25:
Variacin de la temperatura media global 1880 2000 (C)

Ubicacin de las regiones El Nio en el Pacfico tropical
Indice de oscilacin del sur (IOS) Estandarizado 1970 2004
Indice de oscilacin del sur, anomala de la TSM en la regin
El Nio 1 + 2 y Anomala de la precipitacin en la estacin
Morropn
Indice de oscilacin del sur, anomala de la TSM en la regin
El Nio 1 + 2 y Anomala de la precipitacin en la estacin
Miraflores
Indice de oscilacin del sur estandarizada, anomala de la
TSM en la regin El Nio 1 + 2 y Anomala de la precipitacin
en la estacin Huarmaca
Record histrico de la temperatura del aire
Anomala de la temperatura del ocano (a) y anomala de la
temperatura del aire (b)
Resultados de modelos de simulacin del clima (a) natural
y (b) con influencia antropognica
Etapas en la generacin de escenarios de cambio climtico
Emisiones de gases de efecto invernadero (GEIs) del 2000
al 2100 para los diferentes escenarios del IEEE.
Cambio en la temperatura global promedio simulado por
9 diferentes Modelos climticos para el escenario A2 del IEEE.
Rango de escenarios de emisiones de carbono globales
Publicadas hasta el 2100 y rango de emisiones calculado por
el IEEE del IPCC
Total global anual de las emisiones del CO2 de las diferentes
fuentes desde 1990 al 2100 (Gt/ao) para las 4 familias
A1, A2, B1 y B2.
Estabilizacin de escenarios propuestos por el IPCC
Ubicacin geogrfica de la Cuenca del Ro Piura
Distribucin de la poblacin en la Cuenca del Ro Piura
Esquema grfico de las diferencias de temperatura superficial
del mar (TSM) para los escenarios A2 y B2
Diferencia de la temperatura superficial del mar (TSM)
entre 2005 - 2050 con respecto a 19902004: Escenarios A2
Diferencia de la temperatura superficial del mar (TSM)
entre 2005 - 2050 con respecto a 19902004 :Escenarios B2
Variacin temporal de la TSM en la regin Nio 1+2
durante EFM
Variacin temporal de la TSM en la regin Nio 1 + 2
durante AMJ
durante JAS
durante OND
Escenarios de la temperatura superficial del mar (TSM)
para la regin Nio 4
Escenarios de la temperatura superficial del mar (TSM)
para la regin Nio 3
Frecuencias del espectro de la TSM para el modelo CCCma
y MPIfMP
iv
3
7
8
9
9
10
11
11
12
14
15
16
19
20
20
21
24
33
34
35
37
37
38
38
42
43
46
Fig. 26:
Fig. 27:
Fig. 27b:
Fig. 28:
Fig. 29:
Fig. 30:
Fig. 31.a:
Fig. 31.b:
Fig. 32:
Fig. 33:
Fig. 34:
Fig. 35:
Fig. 36:
Fig. 37.a:
Fig. 37.b:
Fig. 37.c:
Fig. 38:
Fig. 39:
Fig. 40:
Fig. 41:
Fig. 42:
Fig. 43:
Fig. 44:
Fig. 45:
Fig. 46
Fig. 47:
Fig. 48:
Fig. 49:
Frecuencias del espectro de la TSM para el modelo NCAR

Intensidad de la frecuencia Nio para los escenarios A2
(arriba) y B2 (abajo) segn modelo MPIfM.
Intensidad de la frecuencia Nio para los escenarios A2
(arriba y B2 (abajo) segn el modelo NCAR.
Probabilidad de cambio de intensidad de los eventos El Nio
Intensidad de la frecuencia El Nio para los datos observados
entre 1950 y 2003.
Nivel de significancia de las tendencias del IOS proyectadas
al 2050 en base a seis modelos acoplados y Nivel de
significancia de la tendencia del IOS real.
Escenarios extremos normalizados A2 y B1 de la tendencia
del IOS proyectadas al 2050.
Escenarios normalizados A2 y B2 de la tendencia del IOS
proyectada al 2050 y Escenario del IOS real normalizado
Cambios en el nivel del mar registrados por los maregrafos
en localidades ubicadas en la costa occidental de Amrica.
Datos observados del nivel del mar (1979-2000) en la
estacin Santa Cruz (0045S,9019W)
Datos observados del nivel del mar (1988-2003) en la
estacin de Paita (0505S,8110W)
Variaciones del volumen en la capa superior del Pacifico
Tropical (15N15S)
Cambio global del nivel del mar proyectado hasta el ao 2050
(modelos globales CCSR/NIES y GFDL) y datos observados
en las estaciones de Paita y Talara.
Precipitacin promedio en febrero 2005-2050 (mm/mes) para
los modelos CSIRO y CCSR/NIES
Precipitacin promedio en febrero 2005-2050 (mm/mes)
para algunos modelos de los escenarios extremos
Precipitacin promedio en febrero 2005-2050 (mm/mes)
para el modelo NCAR
Precipitacin promedio en agosto 2005-2050 (mm/mes)
Para algunos modelos de los escenarios extremos
Topografa en Sudamrica (en metros), segn los modelos
MPIfM y CCSR/NIES
Diferencias en porcentajes de las precipitaciones febrero
2005-2050 respecto del periodo 1990-2004. Escenario A2 (%)
Diferencias en porcentaje de las precipitaciones febrero
2005-2050 respecto del periodo 1990-2004. Escenario B2 (%)
Diferencias en porcentaje de las precipitaciones anuales
2005-2050. Escenario A2 (%)
Diferencias en porcentaje de las precipitaciones anuales
2005-2050. Escenario B2 (%)
Topografa en metros para la latitud 5 S por los modelo
MPIfM y CCSR/NIES
Escenarios de precipitacin para Piura 2000-2050 y su
tendencia (mm/ao)
Representacin de los dominios de simulacin (Per y Piura)
Precipitacin histrica durante los trimestres DEF, MAM, JJA
y SON en estaciones representativas de la Cuenca del ro Piura.
Temperatura mxima histrica durante los trimestres DEF,
MAM, JJA y SON en estaciones representativas de la
Cuenca del ro Piura.
Temperatura media histrica durante los trimestres DEF,
v
47
48
49
50
50
53
55
55
59
60
60
61
62
65
66
67
68
70
71
72
74
75
76
77
80
86
89
MAM, JJA y SON en estaciones representativas de la Cuenca

del ro Piura.
Fig. 50:
Temperatura mnima histrica durante los trimestres DEF,
MAM, JJA y SON en estaciones representativas de la Cuenca
del ro Piura.
Fig. 51
Relacin funcional de 2do. Grado entre la TSM de la regin
Nio 3 y las precipitaciones en Chulucanas en EFM
Fig. 52(a,b): Tendencia de la precipitacin para los escenarios A2 (arriba)
y A1 (abajo) en Chulucanas
Fig. 53:
Tendencia de la precipitacin para el escenario B1 en Chulucanas
Fig. 54(a,b):Tendencia de la precipitacin de los escenarios extremos A2
(arriba) y B2 (abajo) del modelo MPIfM
Fig. 55:
Tendencia de la precipitacin en Chulucanas proyectada por
el modelo NCAR PCM B2
Fig. 56:
Precipitacin extrema histrica (percentil 95) durante
DEF y MAM. Estacin Virrey
Fig. 57:
DEF y MAM. Estacin Hacienda Bigote
Fig. 58:
DEF y MAM. Estacin Morropn
Fig. 59:
DEF y MAM. Estacin Chalaco
Fig. 60:
DEF y MAM. Estacin Ayabaca
Fig. 61:
Temperatura mxima extrema histrica (percentil 90)
durante DEF y MAM. Estacin Miraflores
Fig. 62:
durante DEF y MAM. Estacin Morropn
Fig. 63
durante DEF y MAM. Estacin Chulucanas
Fig. 64:
durante DEF y MAM. Estacin Ayabaca
Fig. 65:
durante DEF y MAM. Estacin Tejedores
Fig. 66:
Temperatura mnima extrema histrica (percentil 90)
Fig. 67:
Fig. 68:
Fig. 69
Fig. 70
durante DEF y MAM. Estacin Tejedores
Fig. 71:
Precipitacin extrema esperada (percentil 95) durante
DEF y MAM. Estacin Virrey
Fig. 72:
Precipitacin extrema esperada (percentil 95) durante
DEF y MAM. Estacin Hacienda Bigote
Fig. 73:
Temperatura mxima extrema esperada (percentil 90)
durante DEF y MAM Estacin Chalaco
Fig. 74:
Fig. 75:
Temperatura mnima extrema esperada (percentil 90)
Fig. 76:
vi
91
93
126
127
128
129
130
134
135
136
137
138
140
141
142
143
144
146
147
148
149
150
152
153
154
155
156
Fig. 77:
Fig. 78:
Fig. 79:
Fig. 80:
Fig. 81:
Fig. 82:
Fig. 83:

durante DEF y MAM. Estacin Chuluncanas
vii
158
159
160
161
163
164
165
166
INDICE DE TABLAS
Tabla 1:
Tabla 2:
Comparacin de los modelos PNT y MCG

Caractersticas generales de los Modelos de Circulacin
General de la Atmsfera (MCG) utilizados
Tabla 3:
Parmetros estadsticos para los modelos CSIRO y MPIfM
en forma trimestral.
Tabla 4:
Escenarios de temperatura de agua de mar (C) para la
regin Nio 1+2 durante 2004-2050
Tabla 5:
Parmetros estadsticos de la TSM de los diferentes MCG
para la regin Nio 4 y Nio 3
Tabla 6:
Variancia de los Nios para los diferentes modelos y datos
observados
Tabla 7:
Ubicacin de maregrafos
Tabla 8:
Estimaciones del incremento del nivel del mar desde maregrafos
en localidades ubicadas en la costa occidental de Amrica
Tabla 9:
Estimaciones del incremento del nivel del mar desde los modelos
Tabla 10: Estaciones en la Cuenca del ro Piura con informacin de
precipitacin
Tabla 11: Estaciones en la Cuenca del ro Piura con informacin de
Temperatura
Tabla 12.a: Proyecciones de precipitacin anual en tres quinquenios del
perodo 2006-2020 (Modelo Rams).
Tabla 12.b: Proyecciones de precipitacin en tres quinquenios del periodo
2021 2035 (Modelo Rams).
Tabla 13.a: Evapotranspiracin proyectada en base a las proyecciones
de temperatura media anual 3 quinquenios 2006 2020 del
(Modelo Rams).
Tabla 13.b :Evapotranspiracin proyectada en base a las proyecciones
de temperatura media anual 3 quinquenios 2021 2035
del (Modelo Rams).
Tabla 14 : Estaciones meteorolgicas utilizadas para el anlisis de
Extremas en la Cuenca del ro Piura
viii
27
31
39
40
41
45
57
61
62
82
83
113
113
114
115
132
INDICE DE CUADROS RESUMEN

Cuadro resumen 1:
Cuadro resumen 2:
Cuadro resumen 3:
Cuadro resumen 4:
Cuadro resumen 5:
Cuadro resumen 6:
Cuadro resumen 7:
Cuadro resumen 8:
Cuadro resumen 9:
Cuadro resumen 10:
Precipitaciones estimadas en los escenarios A2 y B2

Tendencias y niveles de significancia de las
precipitaciones
Rangos de temperatura mxima estimada al 2020
en los escenarios A2 y B2
Tendencias y niveles de Significancia de la
temperatura mxima
temperatura mnima
temperatura media
Anomalas de disponibilidades hdricas (a), demandas
potenciales hdricas (b) y balance hdrico (c) en la
Cuenca del ro Piura por quinquenios (2006-2030) en
el escenario A2.
Tendencia histrica y futura de la Precipitacin
extrema
Tendencia histrica y futura de la Temperatura
Mxima extrema
Tendencia histrica y futura de la Temperatura
Mnima extrema
ix
97
101
105
105
107
109
120
151
157
162
Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

_________________________________________________________________________________________
Agradecimientos
El equipo de trabajo expresa su agradecimiento:
A la Dra. Eugenia Kalnay, cientfica de reconocida trayectoria y distinguida
profesora e investigadora de la Universidad de Maryland UMD de los
Estados Unidos, quien amablemente acept honrarnos al revisar este
trabajo y darnos sus maravillosos comentarios y sugerencias, as como el
su estimulo al trabajo realizado.
Al Dr. Nicholas Graham, Investigador Cientfico Senior del Centro de
Investigacin Hidrolgica HRC de los Estados Unidos, por su valioso y
acertado asesoramiento durante el desarrollo del presente estudio.
Al MSc. Angel Cornejo, por su permanente asesora, incondicional apoyo
y estimulante optimismo durante la realizacin del presente trabajo.
Al Centro Nacional para la Investigacin de la Atmsfera NCAR de los
Estados Unidos, en las personas del Dr. Lawrence Buja y Srta. Rene
Muoz del Grupo de Trabajo para Manejo de Datos, quienes brindaron un
importante apoyo a nuestros profesionales que realizaron pasantas en
NCAR y poner a nuestra disponibilidad la informacin base para la
generacin de escenarios regionales.
Al Dr. Bryan Gross del Laboratorio de Dinmica de Fluidos Geofsicos de
los Estados Unidos.
A la Administracin Nacional del Ocenico y la Atmsfera NOAA de los
Estados Unidos, al Laboratorio de Sistemas de Pronstico - FSL, al Dr.
Alexander E. MacDonald y Sra. Kathleen G. Stewart y al Grupo Reynolds.
Al Centro Hadley de la Oficina Meteorolgica del Reino Unido (UKMET), en
las personas del Dr. Richard Jones y Ruth Taylor, por apoyar a nuestros
profesionales en las pasantas desarrolladas en su institucin, as como la
informacin de salida de su modelo global y el uso del modelo PRECIS,
contribucin invalorable a nuestro centro.
A la Universidad de East Anglia del Reino Unido, en especial al Climate
Research Unit en la persona de la Dra. Clare Goodess por sus sabios
consejos y asesoramiento.
Al Grupo de Expertos del Panel Intergubernamental sobre Cambio
Climtico - IPCC por la disponibilidad de informacin a travs de su pgina
web.
Al Instituto de Investigacin para el Desarrollo - IRD de Francia y al
Instituto de Recursos Naturales del Per, en la persona del Dr. Bernard
Pouyaud.
A Tecnologas Atmosfricas, Meteorolgicas y Medioambientales ATMET
de Boulder, Colorado - Estados Unidos, en las personas del Dr. Robert

_________________________________________________________________________________________
Walko y Dr. Craig Tremback por su constante soporte tcnico en el manejo

del Modelo RAMS.
Al Centro Canadiense para el Modelamiento y Anlisis del Clima del
Servicio Meteorolgico de Canad, en la persona del Dr. Greg M. Flato,
por la informacin proporcionada.
Al Instituto de Meteorologa de Cuba en la persona de Abel Centella, por
apoyar la participacin de un profesional en un curso de entrenamiento del
modelo PRECIS, para generacin de escenarios organizado por INSMET y
UKMET.
A la Direccin de Hidrografa y Navegacin de la Marina de Guerra del
Per, en la persona del Comandante Eduardo Lazo, por facilitarnos
informacin histrica del nivel del mar de la estacin de Paita.
Al Instituto Nacional de Meteorologa de Brasil, en las personas del Dr.
Jos Mauro de Rezende y Jos Mauricio Franco Guedes, por brindar el
apoyo necesario a nuestro profesional en la pasanta sobre manejo de
sistemas cluster.
Al grupo de la unidad ejecutora y coejecutores del proyecto PROCLIM, por
sus aportes para el mejor entendimiento de los resultados de este
importante estudio.
A la Jefatura y Direccin Tcnica del SENAMHI, por la confianza
depositada en nuestras capacidades y apoyo incondicional para la
ejecucin de los compromisos asumidos en la elaboracin de este estudio.
A Nicforo Ita, Teresa Garca, Jorge Chira y Carlos Castillo, miembros de
Comisin Especial de Evaluacin de Estudios Tcnico Cientficos
(CEEETC) del SENAMHI, por sus importantes aportes en la revisin final
de este reporte.
A todas estas personas e instituciones nuestro agradecimiento
Mayor FAP Juan Coronado Lara
Coordinador General del Proyecto
Servicio Nacional de Meteorologa e Hidrologa
xi
Resumen
________________________________________________________________________________________________
Resumen General
_________________________________________________________________________
En este Reporte se presenta de manera explcita los resultados de las simulaciones y
proyecciones numricas de los posibles escenarios del clima al 2035 en la Cuenca del Ro Piura;
realizado por el SENAMHI en el marco del Programa Nacional de Fortalecimiento de
Capacidades para Manejar el Impacto del Cambio Climtico y la Contaminacin del Aire
PROCLIM. En l, se describen los mtodos empleados, explicndose el por qu de la eleccin de
dos escenarios extremos de emisiones: A2 y B2 y los plazos de tiempo para los cuales se
realizaron las evaluaciones de las condiciones del clima futuro.
La informacin histrica del nivel medio del mar revel una tendencia positiva de 0.13 cm/ao en
promedio para localidades ubicadas en la costa occidental de Amrica desde el siglo pasado,
periodo en el cual el efecto invernadero no era muy fuerte o no tena una marcada influencia de
las actividades antrpicas. Sobre la localidad de Paita (costa norte de Per), este incremento
observado es de 0.24 cm/ao, con mayores fluctuaciones producidas durante eventos El Nio.
As mismo, en lo que respecta al anlisis histrico de la temperatura media, la mayora de las
estaciones meteorolgicas analizadas vienen mostrando tendencias positivas, con incrementos
de hasta 1.5C/30 aos (estacin Huarmaca); de manera similar, la precipitacin presenta una
tendencia positiva, influenciada por los eventos El Nio principalmente en las Cuencas Media y
Alta. De otro lado, los eventos de precipitaciones extremas, dan cuenta de incrementos en los
percentiles 95 durante el verano (periodo lluvioso) y otoo; asimismo, en lo que respecta a las
temperaturas mximas y mnimas extremas, la mayora de las estaciones meteorolgicas
presentan tendencias positivas en los percentiles 90; es decir, que las temperaturas
mximas/mnimas ms extremas (el 10% ms bajo) se han ido incrementando en las ltimas
dcadas.
En lo que respecta a las proyecciones al 2035, la alta variabilidad temporal y espacial de la
precipitacin en las denominadas reas de Inters (Bajo Piura, Sub Cuencas San Francisco y
Yapateras), no permiten vislumbrar una tendencia general; no obstante, los resultados
concuerdan en que la precipitacin media tendra una tendencia a la baja en la Cuenca Media en
el verano, para luego presentar una tendencia positiva en las siguientes estaciones; mientras que
en la Cuenca Alta se espera una tendencia a la alta en todos los trimestres de aproximadamente
5% superior a su valor medio, excepto en la primavera en donde no se esperan cambios. En lo
que respecta a la regin del Bajo Piura, se proyecta leves incrementos en otoo e invierno de
aproximadamente 10% superior a su valor normal y un descenso de las precipitaciones entre la
primavera y el verano de aproximadamente 10% inferior a su valor normal, para los prximos 30
aos; sin embargo, en el anlisis de eventos extremos futuros, aparece una regin con
tendencias positivas ubicada precisamente en el Bajo Piura durante el verano.
Las tendencia proyectada de la Temperatura Media del aire en ambos escenarios A2 y B2, es
generalmente positiva a los largo de toda la cuenca, excepto en la sub cuenca de San Francisco
en donde se presentara una ligera tendencia negativa de -0.15C/17aos durante el otoo. En
general, el escenario A2 mostr valores y tendencias ligeramente ms altas con respecto al
escenario B2 con un nivel de confianza superior al 95%. El Bajo Piura presenta los cambios ms
notorios principalmente en la primavera y verano con valores que oscilan entre 0.8 1.4C/17
aos. De otro lado, las sub cuencas San Francisco y Yapatera proyectan los mayores cambios
en el invierno y primavera con tendencias entre 0.5 1.1C/17 aos.
El escenario hipottico probable de ocurrencia de la fase clida de El Nio Oscilacin del Sur
(ENOS), analizado en el contexto del Indice de Oscilacin del Sur (IOS), la Temperatura
Superficial del Mar (TSM) en el Pacfico central, Nivel medio del Mar, as como la regionalizacin
estadstica para la parte media de la Cuenca (Chulucanas), basados en las simulaciones de los
modelos globales ms confiables (NCAR-PCM, USA y ECHAM4/OPYC3, Alemania), indican la
configuracin de un episodio clido entre los aos 2007 2015, cuya intensidad en cuanto a
lluvias sera similar al evento 1982/83 (con referencia a Chulucanas).
xvii

Captulo I: Introduccin
CAPITULO 1 - INTRODUCCION
El Cambio Climtico Global es en la actualidad una de las preocupaciones ms
lgidas de la humanidad que ve como el clima mundial se caracteriza cada vez ms
por el incremento de condiciones extremas que se traducen en sequas,
inundaciones, huracanes, tifones, olas de fro, entre otros. Asimismo, muchos
pases estn experimentando regionalmente procesos de tropicalizacin y
desertificacin que afectan directamente a sus economas. Como puede verse, el
anunciado incremento de la temperatura global durante este siglo, se manifiesta de
diversas formas en diferentes regiones.
En los ltimos tiempos, el hombre ha avanzado mucho en la comprensin y
modelizacin del sistema climtico. Potentes computadoras corren los Modelos de
Circulacin General (MCG) acoplados que nos estn permitiendo hacer cada vez
mejores proyecciones del clima; sin embargo, en los ltimos aos tambin hemos
aprendido a ver al sistema tierra-atmsfera como un sistema de ndole
fundamentalmente catico, donde las diferentes fuentes de incertidumbre inherente
a los procesos de observacin, procesamiento y modelamiento conducen a
diferentes escenarios, cada uno de los cuales es una realidad plausible del futuro.
Los MCG tienen tambin incertidumbres propias de su formulacin y de aquellas
asunciones que adopta de los procesos fsicos que an desconocemos
(parametrizaciones). Tenemos adems, variables de gran incertidumbre que
dependen de las decisiones que tome el hombre y la sociedad sobre tecnologas y
formas de vida en el presente y que no podemos determinar a ciencia cierta, pero
que sin duda conducirn a diferentes escenarios climticos. La ms importante de
estas decisiones tiene que ver con las emisiones de gases de efecto invernadero,
los cuales modifican el balance de energa entrante y saliente del sistema tierraatmsfera. Los MCG tienen adems una resolucin muy gruesa, de alrededor de
200 Km. (para el modelo no existe diferencias entre la localidad de Lima y la
localidad de La Oroya), lo cual representa una seria limitacin para una simulacin
ms detallada de una determinada regin. Tomar los resultados directamente de
los modelos globales para una evaluacin de detalle podra llevar a errores
maysculos de apreciacin. Es por esto muy importante el trabajo de
regionalizacin mediante el uso de mtodos dinmicos y estadsticos que nos
permitan tomar las decisiones ms pertinentes. En consecuencia, el proceso
seguido en el presente trabajo pretende abordar cada uno de estos problemas en la
Cuenca del Ro Piura.
Todo estudio serio de cambio climtico debe abordar un anlisis de las series
histricas que nos lleva a comprender como se est manifestando este cambio
climtico. Este estudio requiere adems, por inters de la sociedad, investigar cual
es el comportamiento de las extremas climticas y para ello hemos empleado en la
metodologa del presente reporte, el software estadstico STARDEX desarrollado
en la Universidad de East Anglia del Reino Unido, el cual es un esfuerzo europeo
por analizar de una manera coherente si las manifestaciones extremas del clima
(inundaciones, sequas, tropicalizacin, lluvias extremas, etc.) estn
incrementndose. Esta informacin es vital e importante para la planificacin y la
estimacin del riesgo hidrometeorolgico en la zona de estudio; adems, el empleo
de esta metodologa nos permite comparar nuestros resultados con los de otras
partes del mundo.

Para un mejor entendimiento del contenido del presente reporte, ste se ha

estructurado de la siguiente manera: En el Captulo I se detallan conceptos bsicos
relacionados con el Cambio Climtico, sus bases tericas, formas de variabilidad
natural, entre las que destaca el ENOS como la fluctuacin natural ms intensa del
clima a escala temporal interanual. Conceptos de los escenarios de emisin y
concentracin de CO2 se detallan en el Captulo II. Un diagnstico de las variables
de temperatura superficial de agua de mar, presin atmosfrica para la
determinacin del ndice de Oscilacin del Sur (IOS), nivel del mar y precipitacin
procedentes de siete MCG en los diferentes escenarios, lo podemos ver en el
Captulo III. En este mismo capitulo se hace una proyeccin para veinte aos de El
Nio, evento que genera grandes prdidas y algunos beneficios en la regin Piura.
La regionalizacin dinmica (downscaling) con su respectivo balance hdrico para la
zona de estudio y la regionalizacin estadstica son detallados en los Captulos IV y
V respectivamente. Como no es suficiente conocer si se est elevando la
temperatura media mxima de una regin, ya que es necesario saber si en un
perodo de retorno de 20 aos se darn temperaturas mayores a un rango extremo
y con qu frecuencia, o si en ese perodo se incrementarn los episodios de
precipitaciones mximas registrados, en el Captulo VI se analizan eventos de
precipitacin y temperatura extremas en base a la informacin histrica, as como
la tendencia de estas extremas para los prximos veinte aos. Finalmente, en el
Captulo VII se presentan las conclusiones generales.
Todas las cartas grficas comprendidas en este estudio son el producto de un
esfuerzo de un grupo de ms de 20 profesionales que han analizado y procesado
ingentes cantidades de informacin a fin de ofrecer a la comunidad piurana la ms
importante herramienta de planificacin para el futuro cambio climtico. Es
conveniente recalcar que toda la informacin proyectada trae consigo
incertidumbres y que pueden orientar una responsable toma de decisiones cuando
stas son usadas teniendo en cuenta el espectro de probabilidades y los posibles
escenarios planteados as como el grado de certidumbre indicado en el anlisis.
1.1
El cambio climtico
Est calentndose la Tierra?, Este calentamiento es producido por la

contaminacin?, El cambio en el clima traer violentos fenmenos
meteorolgicos, tormentas, lluvias torrenciales, deshielo de los glaciares, subida del
nivel del mar, desertizacin de grandes extensiones, etc.?
Todas estas preguntas son motivo de noticias y acaloradas polmicas. Es lgico
que as sea porque estamos hablando de un problema con graves repercusiones
para la vida de millones de personas.
Las evidencias cientficas no son totalmente claras, pero en 1995 el principal
organismo internacional que se encarga de coordinar todos los estudios sobre este
tema, el Panel Intergubernamental de Cambio Climtico IPCC (siglas en ingls),
escriba en uno de sus Informes: "el conjunto de evidencias sugiere un cierto grado
de influencia humana sobre el clima global". En el ultimo informe del IPCC (Cambio
Climatico 2001: La Base Cientifica), este predice un calentamiento de 1.4 5.8 C
para el ao 2100.
Los estudios ms recientes indican que en los ltimos aos se est produciendo un
aumento de la temperatura media de la Tierra de algunas dcimas de grado. Dada
la enorme complejidad de los factores que afectan al clima es muy difcil saber si
2

este incremento de la temperatura es parte de la variabilidad natural (debido a

factores naturales) o si es debido al aumento del efecto invernadero provocado por
la actividad humana (ver Fig. 1).
Fig. 1 Variacin de la temperatura media global 1880 2000 (en C)

Fuente: Centro Hadley, Oficina Meteorolgica
Para analizar la relacin entre las diversas variables y los cambios climticos se
usan modelos computacionales de una enorme complejidad. Hay diversos modelos
de este tipo y, aunque hay algunas diferencias entre ellos, es significativo ver que
todos ellos predicen una relacin directa entre incremento en la temperatura media
del planeta y el aumento de las concentraciones de gases con efecto invernadero.
1.2
Bases tericas del cambio climtico global
Para poder comprender el cambio climtico global y el aumento de la temperatura

global se debe primero comprender el clima global y cmo opera. El clima es
consecuencia del vnculo que existe entre la atmsfera, los ocanos, las capas de
hielos (criosfera), los organismos vivientes (biosfera) y los suelos, sedimentos y
rocas (geosfera). Slo si se considera al sistema climtico bajo esta visin holstica,
es posible entender los flujos de materia y energa en la atmsfera y finalmente
comprender las causas del cambio global (GCCIP1, 1997). Para ello es necesario
analizar uno de los compartimentos interrelacionados ms importantes: la
atmsfera.
Previamente es importante entender que el clima terrestre depende del balance
energtico entre la radiacin solar y la radiacin emitida por la Tierra. En esta
reirradiacin, sumada a la emisin de energa geotectnica, los gases de efecto
invernadero juegan un rol crucial.
La atmsfera es uno de los componentes ms importantes del clima terrestre. Su
presupuesto energtico determina el estado del clima global, por lo que resulta
esencial comprender su composicin y estructura. Los gases que la constituyen
1
siglas en ingls de Programa de Informacin del Cambio Climtico Global

3

estn bien mezclados pero no es fsicamente uniforme pues tiene variaciones

significativas en temperatura y presin, relacionado con la altura sobre el nivel del
mar (GCCIP, 1997).
Al analizar los gases atmosfricos, incluidos los gases invernadero, es importante
identificar las fuentes, sumideros y el ciclo de vida de cada uno de ellos, datos
cruciales para controlar la contaminacin atmosfrica.
Una fuente es el punto o lugar donde un gas, o contaminante, es emitido o sea,
donde entran a la atmsfera. Un sumidero, es un punto o lugar en el cual el gas es
removido de la atmsfera, o por reacciones qumicas o absorcin en otros
componentes del sistema climtico, incluyendo ocanos, hielos y tierra. El ciclo de
vida denota el perodo promedio que una molcula de contaminante se mantiene
en la atmsfera. Esto se determina por las velocidades de emisin y de captacin
en sumideros.
El aumento de Gases de Efecto Invernadero (GEI) ha incrementado la capacidad
de la atmsfera de absorber ondas infrarrojas, aumentando su reforzamiento
radiativo, que aumenta la temperatura superficial. Este fenmeno se mide en watts
por metro cuadrado (W/m2).
En conclusin, la atmsfera esta principalmente constituida por nitrgeno, oxgeno
y algunos otros gases traza y aerosoles que regulan el sistema climtico, a travs
del balance energtico entre la radiacin solar incidente y la radiacin terrestre que
se emite. Debajo de los 12 km (en la troposfera) se producen todos los fenmenos
que determinan el tiempo y clima terrestre, ya que aqu se concentra prcticamente
todo el vapor de agua del aire, los ncleos de condensacin, y las mayores
variaciones de la temperatura. Adems es aqu donde el efecto invernadero opera
ms notoriamente. Por encima de ella se encuentran capas que son definidas por
sus temperaturas.
1.3
Los sistemas acoplados
El IPCC (2001) menciona que los procesos que rigen el sistema climtico
determinan su variabilidad natural y su respuesta a perturbaciones como el
aumento de la concentracin de Gases de Efecto Invernadero (GEI) en la
atmsfera, donde los procesos de realimentacin positiva y negativa, amplifican y
reducen, respectivamente, los cambios que se producen en respuesta a una
perturbacin inicial y son por lo tanto muy importantes para poder simular con
exactitud la evolucin del clima.
Muchos efectos de realimentacin se producen dentro de los distintos componentes
individuales del sistema climtico (atmsfera, ocanos, crosfera y superficie
terrestre). Sin embargo, hay muchos procesos y realimentacin importantes que
ocurren cuando se acoplan los distintos componentes del sistema climtico. Su
representacin es importante para predecir reacciones a gran escala.
La mayora de los cientficos coinciden en que, siempre que los otros gases
denominados de "invernadero" permanezcan constantes, el aumento de CO2
provocar un aumento de la temperatura ambiental global. No obstante los avances
recientes, el vapor de agua y el CO2 no han podido ser modelados porque los
patrones (en espacio y tiempo) de su distribucin se conocen limitadamente.

1.4
Formas de variabilidad natural
Segn el IPCC (2001) hay un reconocimiento cada vez mayor de que las formas de
circulacin natural, como el fenmeno ENOS y la Oscilacin del Atlntico Norte,
desempean un papel fundamental en el clima mundial y en su variabilidad
interanual y a ms largo plazo. La mayor fluctuacin natural del clima a escala
interanual es el fenmeno ENOS. Es una modalidad intrnsicamente acoplada
atmsfera-ocano que tiene su principal actividad en el ocano, pero que produce
importantes impactos climticos regionales en todo el mundo. Los modelos
climticos mundiales estn apenas comenzando a sealar una variabilidad en la
zona tropical del Pacfico, pero que produce importantes impactos climticos
regionales en todo el mundo.
Los modelos climticos mundiales estn apenas comenzando a sealar una
variabilidad en la zona tropical del Pacfico que es similar al ENOS, principalmente
debido al aumento de resolucin meridional en el ecuador. Hay caractersticas de la
temperatura de la superficie del mar y de la circulacin atmosfrica similares a las
que se observan a escala interanual durante el ENOS que tambin se registran a
intervalos decenales y a escala temporales ms prolongadas.
Los ndices ms comnmente asociados al ENOS es la Oscilacin del Atlntico
Norte (OAN), la Oscilacin Decadal del Pacfico (ODP) y el ndice de Oscilacin del
Sur (IOS).
La Oscilacin del Atlntico Norte (OAN) es la modalidad predominante de
variabilidad de la circulacin atmosfrica en el hemisferio norte durante el invierno y
se esta simulando de una forma cada vez ms realista. La OAN esta
estrechamente relacionada con la Oscilacin del rtico (OA), que tiene un
componente anular adicional en torno al Ocano rtico. Hay claros indicios de que
la OAN se deriva principalmente de procesos atmosfricos internos que abarcan
todo el sistema troposfera-estratosfera. Las fluctuaciones de la temperatura de la
superficie del mar en el Ocano Atlntico estn relacionadas con la intensidad de la
OAN y existe una modesta interaccin en ambos sentidos entre la OAN y el
Ocano Atlntico que determina una variabilidad decenal y que se esta convirtiendo
en un elemento importante para la proyeccin del cambio climtico.
El cambio climtico puede manifestarse como un medio de transformacin y
tambin como una preferencia de cambio de determinados regmenes climticos,
como lo demuestra la tendencia hacia valores positivos observadas en el Indice de
la OAN durante los ltimos 30 aos y el desplazamiento del clima en la zona
tropical del Pacfico alrededor de 1976. Si bien los modelos acoplados simulan
caractersticas de la variabilidad climtica natural observada, como la OAN y el
ENOS, lo que sugieren muchos procesos pertinentes estn includos en los
modelos, y es necesario seguir avanzando para poder describir estas modalidades
naturales con exactitud. Adems, como el ENOS y la OAN tienen una importancia
clave como factores determinantes del cambio climtico regional y pueden quizs
provocar cambios abruptos y contrarios a lo que intuitivamente habra de esperar,
ha aumentado la incertidumbre en torno a los aspectos del cambio climtico que
dependen fundamentalmente de los cambios regionales.
La Oscilacin Decadal del Pacfico (ODP) es uno de los ndices de variabilidad
climtica del ENOS (Tanimoto et al., 1993; Zhang et al., 1997). El ENOS y el ODP
tienen un patrn espacial y de temperaturas similar, pero muestran diferencias en el
5

tiempo. Mientras que los eventos ENOS son fenmenos que ocurren a escalas
interanuales, la ODP muestra cobertura decadal. La oscilacin completa
comprende una fase caliente y una fra, y puede extenderse sobre ms de 50
aos. La disimilitud es que los efectos climticos primarios de la ODP se
concentran en el Pacfico Norte y los efectos secundarios en las zonas tropicales.
En tanto que los eventos ENSO dominan el Pacfico Ecuatorial y tienen efectos
secundarios en otras partes del Pacfico (Mantua et al., 1997)2.
1.5
EL Nio Oscilacin Sur (ENOS)
La fluctuacin natural ms intensa del clima a escala temporal interanual es el

fenmeno El Nio/Oscilacin Sur (ENOS).
Las condiciones ocenicas y atmosfricas imperantes en la zona tropical del
Pacfico son raramente uniformes, sino que fluctan con cierta irregularidad entre
los episodios de El Nio y su fase opuesta, la Nia, que consiste en un
enfriamiento en toda la cuenca del Pacfico Tropical durante un perodo que por lo
general abarca de tres a seis aos. La fase ms intensa de cada fenmeno
habitualmente dura un ao.
Hay un patrn caracterstico de las temperaturas de la superficie del mar en el
Ocano Pacfico que anuncia el comienzo de los episodios del ENOS. Algunas
caractersticas fundamentales son la Piscina de Agua Caliente en la zona del
pacfico tropical occidental, donde se encuentran las aguas ocenicas ms clidas
del mundo; aguas mucho ms fras en el pacfico oriental, y una lengua de agua fra
a lo largo del ecuador, que es ms pronunciada en Octubre y menos marcada en
Marzo. Los alisios atmosfricos del este en los trpicos amontonan las aguas
clidas en el oeste, produciendo una pendiente ascendente en el nivel del mar a lo
largo del ecuador de 0,60 m de este a oeste. Los vientos impulsan las corrientes
marinas superficiales, lo que determina el lugar donde fluyen y se separan las
aguas superficiales. Entonces, las aguas ms fras y ricas en nutrientes afloran
desde abajo a lo largo del Ecuador y la costa occidental del continente americano,
favoreciendo el desarrollo del fitoplancton, el zooplancton y, por lo tanto, de los
peces. Como la conveccin y las tormentas elctricas ocurren principalmente en
aguas ms clidas, la configuracin de las temperaturas de la superficie del mar
determina la distribucin de las lluvias en los trpicos, y esto a su vez, determina
las tendencias de calentamiento de la atmsfera mediante la liberacin de calor
latente. El calentamiento impulsa las circulaciones de tipo monznica en gran
escala en los trpicos, y por ende determina los vientos. Este estrecho
acoplamiento de la atmsfera y el ocano en los trpicos da origen al fenmeno El
Nio.
Durante El Nio, las aguas clidas del Pacfico occidental tropical migran hacia el
este a medida que los alisios amainan, desviando la trayectoria de los temporales
de lluvias tropicales, atenuando an ms la fuerza de los alisios y acentuando as
los cambios en las temperaturas del mar. A medida que las aguas clidas avanzan
hacia el este a lo largo del ecuador, el nivel del mar baja en el oeste, pero se eleva
en el este hasta 0,25 m. Los cambios en la circulacin atmosfrica no se limitan a
los trpicos, sino que se extienden por todo el planeta y repercuten en las
corrientes en chorro y en la trayectoria de las tormentas en latitudes medias.
2
Dr. Theodor Landscheidt

Schroeter Institute for Research in Cycles of Solar Activity
6

Durante La Nia [la fase opuesta del fenmeno] se observan configuraciones

aproximadamente inversas.
Fig. 2 Ubicacin de las regiones El Nio en el Pacfico Tropical.
Los cambios asociados al ENOS producen grandes variaciones meteorolgicas y

climticas en todo el mundo de un ao a otro. Esto tiene a menudo profundas
repercusiones en la humanidad y en la sociedad, a causa de las sequas, las
inundaciones, las olas de calor y dems cambios asociados a este fenmeno, que
pueden tener consecuencias muy perjudiciales para la agricultura, la pesca, el
medio ambiente, la salud, la demanda de energa, la calidad del aire, y modificar
adems los riesgos de incendios. El ENOS desempea tambin un papel
preponderante en la modulacin del intercambio de CO2 con la atmsfera. El
afloramiento normal de aguas fras ricas en nutrientes y CO2, en el Pacfico tropical,
desaparece durante el episodio el Nio.
1.6
Cambios en la circulacin atmosfrica en el Pacfico tropical
El anlisis del record de 1970-2004 del ndice de Oscilacin del Sur (IOS) indica
que el ciclo de los eventos El Nio y La Nia vienen ocurriendo con un perodo de
retorno entre 3 y 8 aos. La mayor frecuencia de episodios El Nio se presentaron
en la dcada de los 90s.
Los episodios La Nia se han presentado con mayor frecuencia desde la dcada de
los 70s, no obstante la serie ms extendida del episodio La Nia se dio entre 199899 y 2001-2002. Comportamientos recurrentes de la Nia, especialmente entre
eventos El Nio, se observa hacia finales de la dcada de los 80s. Asimismo ha
ocurrido un similar perodo de valores del IOS negativos y positivos desde finales
de la dcada de los 80s hacia final del siglo (Ver Figura 3).

Fig. 3 ndice de Oscilacin del Sur (IOS) estandarizado 1970-2004

Fuente: NCEP-NOAA/SENAMHI/DGM
1.6.1 Patrones de circulacin atmosfrica en la costa norte

Cambios en el rgimen de la precipitacin sobre el Ocano Pacfico tropical y
principalmente en la costa norte del Per, estn relacionados con cambios en el
comportamiento del IOS y El Nio (ver Figuras 4a, 4b y 4c).
Las existencia de patrones consistentes entre el IOS y las lluvias principalmente en
la costa norte del Per (Departamento de Piura), se evidencian en el caso ENOS
82/83 y 97/98. Cuando los valores del IOS alcanzan valores negativos cercanos a 3 de dos a tres meses consecutivos, este comportamiento estara asociado con una
alta probabilidad de ocurrencia de lluvias por encima de su valor normal en la
regin costera de Piura, e incluso en la cuenca media y alta, tal como se aprecia en
las figuras siguientes.
En tanto, los valores positivos de IOS, no necesariamente estn relacionados con
dficit de precipitacin respecto a su valor medio en la cuenca del ro Piura, tal
como se muestra en las figuras. Valores mayores a +1,0 del IOS por ms de 2
meses consecutivos caso 88/89 estn asociados a lluvias sobre su valor medio
principalmente en la estacin meteorolgica Morropn y Huarmaca.

1200.0
1000.0
Anomalias de TSM (C)

IOS estandarizado
600.0
2
400.0
200.0
0.0
-200.0
-1
-400.0
-2
-600.0
-3
-800.0
A_PP
ATSM 1+2
Ene-98
Ene-97
Ene-95
Ene-96
Ene-94
Ene-92
Ene-93
Ene-91
Ene-89
Ene-90
Ene-87
Ene-88
Ene-86
Ene-84
Ene-85
Ene-83
Ene-81
Ene-82
Ene-80
Ene-78
Ene-79
Ene-77
Ene-75
Ene-76
-1200.0
Ene-74
-5
Ene-72
Ene-73
-1000.0
Ene-71
-4
Anomalias de Lluvias (mm/mes)
800.0
IOS
Fig. 4(a) ndice de Oscilacin del sur, Anomala de la Temperatura Superficial del Mar
(ATSM) en la regin Nio 1+2 (10S 90W-80W) y Anomala de la precipitacin (A_PP) en
la estacin Morropn (51047 S, 795841 W, 140 msnm.).
Fuente datos: NCEP-NOAA/SENAMHI
1200
1000
Anomalias de TSM (C)

IOS estandarizado
600
2
400
200
0
-200
-1
-400
-2
-600
-3
-800
A_PP
ATSM 1+2
Ene-98
Ene-97
Ene-96
Ene-95
Ene-94
Ene-93
Ene-92
Ene-91
Ene-90
Ene-89
Ene-87
Ene-88
Ene-86
Ene-85
Ene-84
Ene-83
Ene-82
Ene-81
Ene-80
Ene-79
Ene-78
Ene-76
Ene-77
Ene-75
Ene-74
-1200
Ene-73
-5
Ene-72
-1000
Ene-71
-4
IOS
Fig. 4(b) ndice de Oscilacin del Sur, Anomala de la Temperatura Superficial del Mar
(ATSM) en la regin Nio 1+2 (10S 90W-80W) y Anomala de la precipitacin (A_PP) en
la estacin Miraflores (51000 S, 803651 W, 30 msnm.).
Anomalias de Lluvias (mm/mes)
800
1200
1000
800
Anom alias de TSM (C)

IOS estandarizado
600
400
200
0
-200
-1
-400
-2
-600
-3
-800
A_PP
ATSM 1+2
Ene-94
Ene-93
Ene-92
Ene-91
Ene-90
Ene-89
Ene-88
Ene-87
Ene-86
Ene-85
Ene-84
Ene-83
Ene-82
Ene-81
Ene-80
Ene-79
Ene-78
Ene-77
Ene-76
Ene-75
Ene-74
Ene-73
Ene-72
-1200
Ene-71
-1000
-5
Ene-70
-4
IOS
Fig. 4(c) ndice de Oscilacin del Sur estandarizada (curva de color rojo), Anomala de la
Temperatura Superficial del Mar (ATSM curva de color azul) en la regin Nio 1+2 (10S 90W80W) y Anomala de la precipitacin (A_PP barra de color verde) en la estacin Huarmaca
(51000 S, 803651 W, 30 msnm).
1.7
Great Pacific Climate Shift Gran Salto Climtico del Pacfico
Hace algn tiempo el Fenmeno El Nio era considerado como un evento aislado
del Pacfico Sur que slo afectaba a la costa este de Sudamrica, hasta que se
observaron incrementos en la intensidad de stos acompaados de otros
fenmenos climticos devastadores alrededor del mundo. Desde entonces, se ha
dado mayor importancia al estudio de este fenmeno y con l, nuevos e
importantes descubrimientos cientficos permitieron dirigir la atencin al tema del
cambio climtico como probable causa de esta aparente intensificacin y mayor
recurrencia del Fenmeno El Nio.
La evaluacin de series de tiempo en los estudios de cambio climtico ha motivado
diversas hiptesis y conjeturas respecto a este proceso de calentamiento global,
as como algunas interrogantes respecto al comportamiento observado en los
ltimos 30 aos. Uno de ellos es el llamado Great Pacific Climate Shift, el cual
refiere a un cambio en la temperatura del ocano ocurrido entre los aos
1976/1977 y que adems reflej un cambio en la temperatura del aire en ese
mismo perodo. (Ver Figura 5)
Desde 1940 hasta mediados de la dcada de los 70s, la temperatura del aire se
encontraba en un perodo de descenso continuo, por el cual muchos aseguraban
una aproximacin a un enfriamiento global. Entre 1976 y 1977, la temperatura del
mar se increment bruscamente en el Pacfico Ecuatorial lo cual, al parecer,
desencaden una alteracin en la intensidad y el tiempo de recurrencia del
Fenmeno El Nio. Segn Dam Shrags del Departamento de la Tierra y Ciencias
Planetarias de la Universidad de Harvard, los anillos de crecimiento en corales
fosilizados muestran que el comportamiento de El Nio se mantuvo constante, con
un tiempo de retorno de seis aos hasta 1976. Despus del salto de temperatura
10
Anom alias de Lluvias (m m /m es)

en el 76, este comportamiento es diferente, con un tiempo de retorno menor de

entre 3 a 5 aos. (Science, 1999)
Fig. 5 Record Histrico de la temperatura media global del aire

Fuente: Michael E. Mann, Raymond S. Bradley, Malcolm K. Hughes
Existen varias hiptesis que tratan de explicar el cambio brusco de la temperatura

del mar y del aire entre los aos 1976 y 1977. Uno de ellos explica que ese cambio
brusco es slo debido a la variabilidad natural del sistema climtico del planeta. En
este caso postulan que tanto antes y despus de 1976/77 no haban tendencias
positivas de la temperatura de agua de mar y del aire, siendo la nica diferencia la
media. (ver Figura 6).
(a)
(b)
Fig. 6 Anomalas en la temperatura del ocano (a) y en la temperatura del aire (b)
Fuente: Greening Earth Society, 2000
11

Otra de las probables causas de este gran cambio sera el incremento de los gases
de efecto invernadero (GEI) en la atmsfera. Sin embargo, aparentemente, esta
hiptesis no explicara el por qu del cambio tan brusco considerando que las
emisiones de los GEI han tenido un incremento relativamente constante. Esto
podra deberse a que el sistema climtico, como la mayora de sistemas naturales
tiene una capacidad de amortiguamiento suficientemente grande como para
permitir el ingreso de cierta cantidad de elementos contaminantes en ella, sin que el
sistema se vea alterado, pero una vez pasado ese lmite empieza a mostrar
variaciones en su comportamiento. Lo cual indicara que el sistema climtico
alcanz su lmite y se encontrara actualmente influenciado por la emisin de GEI a
la atmsfera.
Esto se puede ver utilizando modelos de simulacin del clima. En la actualidad
tenemos buenos modelos acoplados que simulan el sistema climtico y muestran la
variabilidad natural que existe en l. Estos modelos nos permiten ver cual sera la
variacin del clima con proyeccin al futuro, sin tomar en consideracin los gases
de efecto invernadero. En la Fig. 7 (a), podemos ver que los valores observados
coinciden con los simulados por el modelo slo hasta los aos 80 donde escapan
del rango en el cual estara operando el efecto de la variabilidad natural. En cambio
en la Fig. 7 (b), en la cual han sido agregados los cambios de temperatura debido a
las emisiones de gases invernadero, vemos que coinciden las temperaturas del
modelo con las observaciones, lo que nos sugiere que el sistema climtico si est
siendo afectado por el incremento de gases de efecto invernadero y que se estara
dando un cambio en el clima a nivel mundial.
Fig. 7 Resultados de modelos de simulacin del clima (a) natural y (b) con influencia
antropognica
Fuente: IPCC (2001)
Otro punto a considerar es que en la Figura 6 (a), se puede ver que hasta
1976/1977 la temperatura oscilaba con una variabilidad natural; sin embargo,
despus del salto de 1976/77, la temperatura ha seguido presentando pequeos
saltos, dando una tendencia positiva. A partir del grfico tambin se puede observar
que estos saltos de temperatura se dieron en 1976/1977, 1982/1983 y 1996/1997,
aos en los cuales se presentaron eventos El Nio, sugiriendo que podra haber
una relacin estrecha entre este calentamiento y el ENOS.
12

Captulo II: Los Escenarios de Cambio Climtico
CAPITULO II 2.1
LOS ESCENARIOS DE CAMBIO CLIMATICO
Concepto de escenarios
Los escenarios en su forma mas simple son descripciones plausibles de cmo las
cosas pueden cambiar en el futuro. La metodologa empleada para la construccin
de escenarios vara de acuerdo al propsito de la evaluacin. Por muchos aos, los
escenarios han sido utilizados por los gobiernos en los mbitos empresariales y
militares como base para el planeamiento estratgico. Estos escenarios
socioeconmicos proporcionan un marco para el pensamiento estructurado de
cmo el futuro se puede revelar.
Entonces, Qu es un Escenario Climtico? Segn el Panel Intergubernamental
de Cambio Climtico - IPCC3, los escenarios climticos son descripciones
coherentes y consistentes de cmo el sistema climtico de la Tierra puede cambiar
en el futuro. Por ejemplo, los escenarios pueden requerirse para:
Ilustrar el cambio climtico (en trminos del presente clima)
Proyeccin de las consecuencias potenciales del cambio climtico, como por

ejemplo, estimar el cambio futuro de la vegetacin natural e identificar especies
en riesgo.
Planeamiento estratgico ante riesgos de incrementos de nivel del mar y de

inundaciones.
Polticas de control de las emisiones, etc.
2.2
Incertidumbres de escenarios
El concepto de incertidumbre est implcito en la filosofa de desarrollo del

escenario y su caracterizacin, y la cuantificacin de la incertidumbre ha llegado a
ser una rama principal de la investigacin de los escenarios.
2.2.1
Incertidumbre en la prediccin del clima futuro
Antes de empezar a hablar sobre las fuentes, causas y consecuencias de la

incertidumbre es importante saber que es la incertidumbre. En trminos ms
simples es algo de lo cual no estamos seguros. La incertidumbre que se tiene al
predecir el clima futuro se da por dos razones. La primera est asociada al
calentamiento global, el cual sabemos que se ha debido en gran parte en los
ltimos 50 aos al incremento de las concentraciones de gases de efecto
invernadero. Lo que no sabemos es cmo van a ser las emisiones de gases de
efecto invernadero en el futuro. En segundo lugar no sabemos con exactitud cuales
van a ser los efectos que tendrn estas emisiones sobre el sistema climtico.
3
Tercer Informe de Evaluacin sobre el Cambio Climtico 2001

Impactos Adaptacin y Vulnerabilidad
13

Debido a estas dos fuentes de incertidumbre, se van a presentar incertidumbres en

los escenarios generados por los modelos de circulacin de la atmsfera. Existen
otras fuentes de incertidumbres como las que provienen de la regionalizacin y la
variabilidad natural que tambin deben ser consideradas al analizar las salidas de
los modelos.
Emisiones
Cambio
Climtico Global
(MCG)
Variabilidad
Natural
Cambio
Climtico Local
(Regionalizacin)
Fig. 8 Etapas en la generacin de escenarios de cambio climtico

Fuente: Hadley Centre
2.2.2
Fuentes de incertidumbre
2.2.2.1
Incertidumbre debido a las emisiones
Los escenarios de emisin de gases de efecto invernadero provenientes de la

actividad humana dependen de diversos factores socio-econmicos como la
poblacin, el crecimiento econmico, la tecnologa, el uso de energas, entre otros.
No se sabe como estos factores cambiarn en el futuro, pero si es posibles utilizar
los escenarios de emisiones futuras generados por el Informe Especial de
Escenarios de Emisiones (IEEE) del IPCC (Nakicenovic et al., 2000), que son
escenarios de emisiones para las diferentes decisiones que podra tomar la
humanidad. Estos escenarios nos dan un amplio rango de valores para las
emisiones futuras. El rango de las emisiones acumuladas de carbono global desde
1990 al 2100 de los escenarios vara desde 800 GtC a 2500 GtC4. El IEEE afirma
que no existe una forma objetiva de evaluar la probabilidad que uno u otro
escenario se d, de tal forma que no son igualmente probables y ninguno debera
ser descartado.
The UKCIP02 Scientific Report, Hadley Centre, April 2002

14

Fig. 9 Emisiones de Gases de Efecto Invernadero (GEIs) del 2000 al 2100 para los
diferentes escenarios del IEEE.
Fuente: IPCC
2.2.2.2
Incertidumbre debido a los modelos
Los modelos son representaciones de un objeto, proceso o sistema. En el caso de

modelos de cambio climtico, estos tienen que representar el sistema climtico y
los procesos internos que ocurren en l. Esto implica tener un conocimiento
detallado del sistema. En el sistema climtico ocurren muchos procesos cuyo
conocimiento an no es perfecto, lo que los hace ms difciles de modelar. Esto
hace que de acuerdo al diseo del modelo, algunos de ellos representen la realidad
de algunas variables mejor que otros. Un ejemplo claro es cuando se modela el
ENOS: existen algunos modelos que lo pueden modelar bien (como el MPIfM) pero
otros que no. Por eso se deben seleccionar los modelos que representen mejor la
realidad, para lo cual no existe un mtodo objetivo directo y requiere de un
conocimiento detallado tanto del modelo como del sistema climtico en conjunto
con una fuente de observaciones del mismo.
15

Fig. 10 Cambio en la temperatura global promedio simulado por nueve modelos climticos
para el escenario A2 del IEEE.
Fuente: IPCC TAR
2.2.2.3 Incertidumbre debido a la variabilidad natural

Otra fuente de incertidumbre en la prediccin del clima futuro es la variabilidad
interna del clima. Algunos cambios en el clima que ocurren de ao a ao no se
deben al cambio climtico global sino son cambios que ocurren en el sistema
climtico debido a su naturaleza catica, que resulta de las fluctuaciones internas y
causas externas, como la variabilidad solar o erupciones volcnicas. En un
momento futuro dado, la variabilidad natural puede sumarse o restarse al cambio
climtico generado por la actividad humana. Desafortunadamente, no se puede
predecir la variabilidad natural del clima para escalas de tiempo largas, y en
especial en escala espacial pequeas, ya que los efectos de la variabilidad natural
aumentan al disminuirse la escala espacial. Es importante tener en cuenta si los
cambios en eventos como el fenmeno ENOS son debido a una variabilidad interna
del clima o debido al cambio climtico global.
2.2.2.4 Incertidumbre debido a la regionalizacin
Los modelos de circulacin global de la atmsfera que se utilizan para predecir el

clima futuro son importantes ya que nos permiten evaluar el impacto que estos
cambios producirn y crear planes de adaptacin, y se requiere trabajar a un nivel
regional. Los modelos de circulacin global de la atmsfera trabajan con
resoluciones espaciales muy bajas, normalmente de 300 a 500 km, y no nos
permite conocer los cambios en las diferentes regiones del pas. La incertidumbre
aparece debido a la necesidad de rellenar los detalles regionales que faltan. Este
proceso se conoce como regionalizacin o downscaling, y consiste en tomar en
cuenta un numero de influencias sobre el clima a una escala de grilla sub-MCG,
que se dan por efecto de las montaas, lneas costeras, lagos y lagunas, mares
tierra adentro, heterogeneidades en la cobertura superficial y procesos a menor
16

escala en la atmsfera. La regionalizacin puede ser dinmica, estadstica o una

mezcla de ambas.
La regionalizacin dinmica se lleva a cabo mediante un modelo climtico regional
con una mayor resolucin que los MCGs, determinado por condiciones de menor
resolucin dadas por el modelo global. Es claro que se agregan incertidumbres
debido la regionalizacin dinmica ya que los diferentes modelos climticos
regionales (MCR) tendrn diferentes representaciones de los procesos climticos.
Las diferencias en las predicciones de los diferentes MCGs son generalmente
mucho mayores a las incertidumbre de la regionalizacin, y por ende podemos
esperar que las diferencias en los resultados de los mismos MCR determinados por
diferentes MCG sean mayores que las provenientes de diferentes MCRs
determinados por el mismo MCG. En otras palabras es probable que la mayor
incertidumbre se encuentre en la prediccin global y no en l la regionalizacin
dinmica usando modelos de circulacin regional. (Hadley Centre, 2002)
En la regionalizacin estadstica, las relaciones calibradas de las observaciones
son utilizadas para deducir la relacin entre los modelos de circulacin global y el
clima local.
Se ha encontrado que los dos mtodos se llevan a cabo en forma similar cuando
simulan variabilidad dentro del clima presente, pero son significativamente
diferentes al simular cambios futuros. Estos cambios pueden deberse que la
Regionalizacin Estadstica (RE) no toma en cuenta el feedback fsico que juega un
papel importante en el cambio climtico, pero que est excluido de la RE porque no
es un buen predictor de la variabilidad climtica. Sin embargo, muchos MCR no
proveen de feedback al MCG Madre.
Por otro lado, diferentes resultados pueden ocurrir dado que los MCRs no
reproducen la relacin inter-variable observada utilizada para calibrar las
ecuaciones de la RE. Una tercera posibilidad es que las relaciones inter-variables
simuladas por los MCRs pueden cambiar en repuesta al feedback climtico fsico,
mientras que la RE asume que las relaciones que se presentan en el clima
presente continuarn invariables en el futuro, y la validez de esta asuncin no
siempre es fcil de demostrar.
2.3
Los escenarios de emisiones
Existen escenarios del posible clima futuro, que son derivados de los escenarios
de posibles emisiones futuras de gases de efecto invernadero, los cuales se utilizan
en modelos climticos como elemento introducido para el clculo de proyecciones
climticas. Cualquier descripcin posible del clima futuro depender de asunciones
sobre las emisiones futuras de los gases de invernadero y otros agentes
contaminantes; es decir, dependern de la opcin del panorama de las emisiones.
Un panorama en el cual la emisin de gases de invernadero es baja, debe conllevar
a un cambio menos rpido del clima que uno en el cual las emisiones son altas. Un
panorama del cambio del clima por lo tanto es una descripcin coherente de un
cambio futuro del clima bajo asunciones especficas sobre el crecimiento de
emisiones de gases de invernadero y de otros agentes contaminantes y sobre otros
factores que puedan influenciar en el clima futuro.
Tyndall Centre (2002), seala que los escenarios son una descripcin del clima
futuro, el cual depende de asunciones acerca de futuras emisiones de gases de
17

efecto invernadero y otros contaminantes, dependiendo de las opciones de los

escenarios de emisiones.
En el 2000, el IPCC finaliz su Informe Especial de Escenarios de Emisiones
(IEEE) ideado por Nakicenovic y otros. Estos nuevos escenarios examinan el
perodo de 1990 al 2100 e incluyen diversos supuestos socioeconmicos como la
poblacin mundial y el producto bruto interno. Los escenarios IEEE se han utilizado
como base de las proyecciones climticas de modelos de circulacin general de la
atmsfera (MCG) y modelo acoplados.
Los escenarios comprenden una lnea evolutiva similar en lo que respecta a sus
caractersticas demogrficas, sociales, econmicas y de cambio tecnolgico y
estn constituidos por cuatro familias de escenarios: A1, A2, B1 y B2.
A1: La familia de escenarios y lnea evolutiva A1 describe un mundo futuro de
crecimiento econmico muy rpido; la poblacin mundial alcanza su nivel ms alto
a mitad de siglo y disminuye posteriormente, producindose una rpida
introduccin de nuevas tecnologas ms eficientes. Las cuestiones ms
importantes son la interaccin cultural y social entre las regiones y la capacitacin,
con una importante reduccin de las diferencias regionales en los ingresos per
cpita. La familia de los escenarios A1 se divide en tres grupos que describen las
distintas direcciones del cambio tecnolgico en el sistema energtico. Los tres
grupos A1 se distinguen por su nfasis tecnolgico: fuentes de energa intensivas
de origen fsil (A1F1), de origen no fsil (A1T) o un equilibrio entre todas las
fuentes (A1B) donde el equilibrio se define como la no dependencia excesiva de
una fuente de energa concreta, suponiendo que se apliquen ritmos similares de
mejoras en todas las formas de aprovisionamiento energtico y en las tecnologas
de uso final.
A2: La familia de escenarios y lnea evolutiva A2 describe un mundo muy
heterogneo. La cuestin subyacente es la autosuficiencia y preservacin de las
identidades locales. Los perfiles de fertilidad en las distintas regiones tienden a
converger muy lentamente, lo cual acarrea un aumento continuo constante de la
poblacin. El desarrollo econmico tiene una orientacin principalmente regional y
el crecimiento econmico per cpita y el cambio tecnolgico estn fragmentados y
son ms lentos que en otras lneas evolutivas.
B1: La familia de escenarios y lnea evolutiva B1 describe un mundo convergente,
con la misma poblacin mundial, que alcanza su nivel ms alto a mediados del
siglo para disminuir posteriormente, como lnea evolutiva A1 pero con cambios
rpidos en las estructuras econmicas hacia una economa de la informacin y de
los servicios, con reducciones en el consumo de materiales e introduccin de
tecnologas limpias y de recursos eficaces. En esta lnea evolutiva se hace
hincapi en las soluciones mundiales a la sostenibilidad econmica social y
ambiental, lo que comprende una mejora de la equidad.
B2: La familia de escenarios y lnea evolutiva B2 describe un mundo en el que se
hace hincapi en las soluciones locales a la sostenibilidad econmica, social y
ambiental. Se trata de un mundo cuya poblacin mundial crece continuamente, a
un ritmo menor al de la lnea evolutiva A2, con niveles medios de desarrollo
econmico y cambios tecnolgicos menos rpidos y ms variados que en las
lneas evolutivas B1 y A1. Aunque el escenario tambin esta orientado hacia la
proteccin ambiental y a la equidad social, se centra en las escalas: local y
regional.
18

2.4
Emisiones de CO2 global
En la figura 11 se muestra las emisiones globales de CO2 proveniente de la energa

e industria desde 1900 a 1990 y en los 40 escenarios desde 1990 a 2100 indicados
en forma de ndice (1990=1).
Fig. 11 Rango de escenarios de emisiones de carbono globales publicadas hasta el 2100 y

rango de emisiones calculados por el IEEE del IPCC.
Fuente: IPCC
Las lneas punteadas muestran los escenarios individuales y el rea sombreada de

azul denota la diversidad de escenarios aparecidos en las publicaciones, conforme
se documenta en la base de datos del IEEE.
Los 40 escenarios son clasificados en 6 grupos, las barras coloreadas verticales
indican el rango de emisiones en el 2100 de estos 6 grupos, asimismo se muestran
los escenarios que incluyen iniciativas climticas adicionales designados como
intervencin, aquellas que no tienen intervencin y aquellas que no pueden ser
asignadas a ninguna de las 2 categoras anteriores denominada no clasificada.
En la figura 12, se muestra el total global anual de las emisiones de CO2 de las
diferentes fuentes (energa, industria y cambio de uso de la tierra) desde 1990 al
2100 en giga toneladas de carbono (Gt/ao) por las familias en los 6 grupos de
escenarios. Los 40 escenarios son presentados en 4 familias (A1, A2, B1 y B2) y
los 6 grupos de escenarios: A1F1 uso intensivo de combustible fsil, A1T
predomina el uso de combustible no fsil y un balanceado uso en A1, A2, B1 y B2.
Cada banda coloreada de emisin muestra el rango de los escenarios
armonizados5; y no armonizados dentro de cada grupo y se muestra el promedio
marcado en lneas slidas para las familias principales as como para A1F1 y A1T
en lneas punteadas. Se puede observar que el escenario A2 emitira 28Gt el 2100,
mientras que el A1 14Gt, el B2 13Gt y B1 5Gt .
5
Relacin coherente entre poblacin mundial, producto bruto mundial y consumo de energa
19

Fig. 12 Total global anual de las emisiones de CO2 de las diferentes fuentes desde 1990 al
2100 en giga toneladas de carbono (Gt/ao) por las 4 familias AI, A2, B1, B2.
Fuente: IPCC
2.5
Concentracin de CO2 en los diferentes escenarios
De acuerdo a las concentraciones de CO2 se puede observar en la figura 13 que el

escenario A2 tendr una concentracin de 850 ppm (partes por milln) en el ao
2100, mientras que el escenario A1 750 ppm, B2 621 ppm y B1 549 ppm.
Fig. 13 Estabilizacin de Escenarios propuesta por el IPCC
20

Captulo III: Cuenca del Ro Piura
CAPITULO III CUENCA DEL RIO PIURA

3.1
Ubicacin
La cuenca del ro Piura, se sita en la regin de Piura, en el norte del Per, entre
los 99 33 - 80 58 longitud Oeste y 0446 - 0543, latitud Sur. Los lmites de la
cuenca son los siguientes:
Este - Nor Este: Cuenca Alta del ro Huancabamba
Sur - Sur Oeste: Cuenca Alta de los ros aupe, Santa Rosa, Quebrada Piedra
Blanca
Oeste - Nor Oeste: Cuenca Alta del ro Chira
Sur Oeste: Ocano Pacfico
Sur Este: Lagunas Ramn y apique y el desierto de Sechura
La Regin Piura tiene 35,892.49 Km2 de superficie, de la cual 12,216 Km2
pertenecen a la cuenca del ro Piura. La cuenca comprende:
Provincia de Piura
Provincia de Morropn
Provincia de Sechura
Provincia de Huancabamba
Fig. 14 Ubicacin geogrfica de la Cuenca del ro Piura

Fuente: SENAMHI - SIG
21

3.2
Hidrografa
El ro Piura, que pertenece al sistema hidrogrfico de la Vertiente del Ocano

Pacfico, tiene su origen a 3400 m.s.n.m en las inmediaciones del cerro Parathn y
desemboca en el Ocano Pacfico, formando un delta en la zona de San Pedro. El
ro Piura tiene una longitud aproximada de 295 Km. Presenta una pendiente suave
en un tramo de 248 km entre la desembocadura y la conexin con el ro Huarmaca.
El tramo final de 32 Km. tiene una pendiente promedio mayor de 7.8%.
La cuenca del ro Piura est constituida por nueve sub cuencas: Huarmaca o San
Martn, Pata, Pusmalca, Canchaque, Bigote, Corral del Medio, La Gallega,
Yapatera y Charanal.
3.3
Caractersticas Climticas
Segn el mapa de clasificacin climtica del Per (SENAMHI, 1988), en la cuenca

del ro Piura encontramos 4 climas diferentes.
En la parte ms baja de la Cuenca, cerca a la desembocadura del ro al Ocano
Pacfico tenemos un clima E(d) B1 H3, lo que corresponde a una zona desrtica
semi clida con deficiencia de lluvias en todas las estaciones del ao y con
humedad relativa calificada como hmeda. Esta clasificacin corresponde a las
localidades de Talara y Bayovar.
En la zona de Piura (el Valle del Bajo Piura) se da un clima de clasificacin E(d) A
H2, la que la hace una zona desrtica, clida, con deficiencia de lluvias en todas las
estaciones del ao y con humedad relativa calificada como seca.
En la Cuenca Media, donde se encuentran las localidades de Morropn y
Tejedores, tenemos una clasificacin E(d) A H3, una zona desrtica, calida, con
deficiencia de lluvias en todas las estaciones del ao y con humedad relativa
calificada como hmeda.
En algunas partes altas de la Cuenca tenemos un clima lluvioso, semi fro, con
deficiencia de lluvias en otoo e invierno.
3.4
Hidrogeologa
Las aguas de la cuenca son originadas por precipitaciones pluviales, que de

acuerdo a la informacin, meteorolgica y apreciacin preliminar de campo tiene
las siguientes caractersticas (CONDESAN, 2003):
Franja de la parte alta: las precipitaciones son casi constantes y la infiltracin es
intensa formando as los manantiales, vertederos, puquios que dan origen a las
diferentes quebradas que forman el cauce principal del ro Piura (partes altas de
Canchaque, Santo Domingo, Chalaco, Lalaquz, Fras, Huarmaca, etc).
Franja de la parte media superior: con precipitaciones medianamente
abundantes, infiltracin de acuerdo a litologa y estructuras; es el lmite superior de
los afloramientos de fuentes de vertientes (Pambarumbe, Paltashaco, San Jorge,
Los Ranchos, La Filadera).
22

Franja de la parte media Inferior: Zona con precipitaciones escasas, circulacin

de las aguas por fisuras, escorrenta nula y con la napa subterrnea en varios
acuferos intensamente explotados (valle del alto Piura).
Franja de la parte baja: tiene precipitaciones espordicas, escorrenta casi nula,
donde el aprovechamiento de las aguas de los reservorios Poechos, San Lorenzo y
Los Ejidos es intensa (Piura, Bajo Piura, Sechura, Bernal, Catacaos, etc.).
3.5
Uso del Agua de la Cuenca del Ro Piura
Uso Agrcola
El uso del agua de la cuenca del ro Piura est orientado principalmente a la
produccin agrcola. Los cultivos principales como algodn, maz, arroz, hortalizas
y forrajes se consumen 551668 MMC/ ao, de los cuales 502987 MMC
corresponde a la primera campaa y 48671 a la segunda campaa.
Uso No Agrcola
Los otros usos de agua en la cuenca corresponde al poblacional, que en total para
el ao 2001, la Empresa Prestadora de Servicios Grau (EPS Grau S.A.) ha
calculado en 32739 MMC, distribuido en 1855 MMC/ ao para satisfacer a una
poblacin de 98010 habitantes de la cuenca alta y 30.883 MMC/ ao para
satisfacer una poblacin de 396,447 habitantes de las Cuencas Media y Baja del ro
Piura.
Con respecto a uso minero en la cuenca del ro Piura, se registra un consumo de
0.57 MMC/ao en el Centro Minero de Bayvar.
3.6
Actividad Agrcola
La distribucin de cultivos en la cuenca del ro Piura est en relacin a los pisos

altitudinales, la disponibilidad de agua y las condiciones climticas, y de acuerdo a
su perodo vegetativo estn considerados como transitorios, permanentes o semi
permanentes. Las reas de cultivo correspondientes a cada categora son las
siguientes:
Cultivos transitorios: son aproximadamente 70 896 ha.
Cultivos permanentes: se encuentran instaladas 28 971 ha.
Cultivos semi Permanentes: con 9 100 ha.
Por zonas:
Cultivos de la zona baja: limn, mango, tamarindo, cocotero, esprrago,

pasto elefante, alfalfa, arroz, maz amarillo duro, maz choclo, hortalizas,
frijol castilla, entre otros.
Cultivos de la zona media: papayo, tuna, tamarindo, cocotero, limonero,

mango, palto, caf, cacao, pltano, gramalote, arroz, maz amilceo, maz
amarillo duro, trigo, aj pprika, yuca, frijoles, camote, algodn.
23

3.7
Cultivos de la zona alta: maracuy, palto, lcuma, caf, granadilla, maz

amilceo, arveja, pasto elefante, frijol, ajo, trigo, maz amarillo duro, cacao,
mamey, caa de azcar, naranja, mango ciruelo.
Poblacin
La poblacin de la Cuenca del ro Piura, considerando los distritos que la

conforman, registra 929247 hab., que representa el 55.9% de la poblacin
Regional. Tiene una tasa de Crecimiento Poblacional Promedio para el ao 20012002 de 0.82% para los distritos de la cuenca. (INEI, 2001)
* No incluye los distritos de Huancabamba, Sndor, Sondorillo y Carmen de la Frontera

** Incluye slo el distrito de Fras.
Fig. 15 Distribucin de la Poblacin en la Cuenca del Ro Piura

FUENTE: INEI- Compendio Estadstico Departamental 1999-2000.
Poblacin econmicamente activa

Segn el censo de Poblacin y Vivienda de 1993, la poblacin econmicamente
activa de la regin Piura es de 400080, de esta cantidad 310192 son hombres (77.5
%) y 89988 (22,5%) son mujeres. Existen 284079 habitantes en la zona urbana y
116001 en la zona rural.
PEA Urbana y Rural, Sexo, rea, Actividad Econmica por Edades
Provincia
Total
Total
400 080
Piura
159 351
Ayabaca
35 602
Huancabamba 34 729
Morropn
46 494
Paita
21 851
Sechura*
Sullana
66 592
Talara
35 461
Sexo
Hombre
Mujer
310 192 89 988
119 132 40 219
29 684
5 819
26 183
8 546
38 290
8204
17 733
4 118
51 966
58465
27 204
35 086
rea
Urbana
%
Rural
284079 100.0 116001
136699 48.1
22652
3798
1.3
31804
4252
1.5
30477
25463
9.0
21031
20316
7.2
1535
58465
35 086
20.6
12.4
8127
375
%
100.0
19.5
27.4
26.3
18.1
1.3
7.0
0.3
*Sin informacin
FUENTE: Censo Nacional de Poblacin y Vivienda 1993
24

La poblacin econmicamente activa mayor de 15 aos por rama de la actividad

econmica es como sigue:
Agricultura, ganadera, caza y selvicultura: 148,115 habitantes (37%).

Comercio: 50107 (12.5%).
Industria manufacturera: 31588 (7.9%).
Enseanza: 17411 (4.3%).
Existe un 11% de actividades de ocupacin que no son declaradas y las

actividades en las que hay menor ocupacin son los rubros de electricidad, gas y
agua e intermediacin financiera.
25

Captulo IV: Anlisis de los Modelos de Circulacin General de la Atmsfera
CAPITULO IV -
4.1
ANALISIS DE LOS MODELOS DE

GENERAL DE LA ATMSFERA (MCG)
CIRCULACION
DESCRIPCIN DE LOS MODELOS DE CIRCULACION GENERAL
Los modelos de circulacin general de la atmsfera (MCG) son algoritmos

matemticos que intentan simular el sistema climtico de la tierra. Estos modelos
se encuentran en el extremo superior de la jerarqua de modelos del clima, son
acoplados (atmsfera-ocano y suelo) y predicen cambios de las variables en un
mayor tiempo. Las expresiones matemticas que configuran un MCG se pueden
analizar por separado dentro de las tres principales partes de que constan estos
modelos:
La dinmica del sistema del clima que describe el movimiento a gran escala
de las masas de aire y el transporte de la energa y momentum.
La fsica del sistema climtico tal como transmisin de la radiacin a travs

de la atmsfera, la termodinmica, y la evaporacin.
Otros factores tales como la interaccin ocano-atmsfera, topografa, y

parmetros de la vegetacin.
Estas expresiones son basadas en las leyes fsicas tales como la conservacin de
energa y masa as como las relaciones empricas basadas en caractersticas y
tendencias observadas, tales como frmulas que relacionen temperatura y
humedad con la formacin de la nube.
Los MCG utilizan las mismas ecuaciones de movimiento que un modelo de
prediccin numrica del tiempo (PNT), siendo su propsito simular numricamente
cambios en el clima como resultado de cambios lentos en algunas condiciones de
frontera (tales como la constante solar) o parmetros fsicos (tal como la
concentracin de los gases de efecto invernadero). Los modelos PNT se utilizan
para predecir el tiempo futuro a corto plazo (1-3 das) y medio plazo (de 4-10 das).
Los modelos MCG corren para mayor tiempo (aos); tiempo suficiente para
aprender sobre el clima en un sentido estadstico (es decir la media y la
variabilidad).
Los MCG por ser globales tienen una menor resolucin, por lo cual no son muy
indicados para estudios e investigacin de zonas especficas; en ese sentido es
necesario el uso de un modelo regional el cual puede tomar mayores resoluciones
y ser ms hbiles en la determinacin del clima de una zona. Entonces, para
determinar el clima se utilizan dos modelos: uno global, el cual da las condiciones
de frontera al otro modelo regional, denominndose a este proceso regionalizacin
dinmica.
Una comparacin entre los modelos MCG y los modelos PNT estn resumidos en
la tabla 1.
26

Tabla 1. Comparacin de los modelos PNT y MCG

Contrastes
PNT
MCG
Objetivo
Para predecir el tiempo
Simular la evolucin del clima
Cobertura espacial
Regional o global
Global
Rango temporal
Das
Aos
Resolucin espacial
Variable (20-100 km)
Usualmente de 3 a 5
Importancia de las condiciones iniciales
Alta
Baja
Importancia de la radiacin (nubosidad)
Baja
Alta
Importancia de la superficie (suelo, hielo,

ocano...)
Baja
Alta
Importancia de la dinmica y termodinmica

ocenica
Baja
Alta
Importancia del modelo de estabilidad
Baja
Alta
Similitudes
Fsica
Ecuaciones de movimiento
Mtodo
Diferencias finitas o representacin espectral
Salidas
Variables de estado y movimiento de la atmsfera en tres

dimensiones
Mximo tiempo de cada integracin
Controlado por la resolucin espacial
4.1.1
Modelos utilizados en este estudio
Los modelos utilizados provienen de siete Centros de Prediccin del Clima y

Cambio Climtico. Todos ellos son modelos acoplados con el ocano. En este
Reporte se ha trabajado con los modelos listados en la tabla 2. Para el anlisis de
TSM no se utiliz el modelo del Hadley Centre (2) por la no disponibilidad de datos
pronosticados para esta variable; pero si se utiliz para el anlisis de la presin a
nivel del mar. A continuacin se hace una breve descripcin de los modelos citados
en la tabla 2:
1.
Instituto Max Planck de Alemania
Cuyo modelo es el ECHAM4/OPYC3 que fue desarrollado en cooperacin entre el

Instituto de Meteorologa Max Planck (MPI) y Deutsches Klimarechenzentrum
(DKRZ) en Hamburgo, Alemania. El modelo MPI ECHAM4 (T42 L19) puesto en
funcionamiento desde el ao 1996 es el cuarto de una serie de los modelos
desarrollados en MPI que originalmente derivaron del modelo de rango medio para
Europa (ECMWF).
27

En la representacin horizontal utiliza el modo espectral (funciones armnicas

esfricas) con transformaciones a la grilla gauseana para el clculo de cantidades
no lineales y de alguna variable fsica. Usa la truncacin triangular 42 (T42) o
equivalente a 2.8 x 2.8 grados latitud-longitud. En el dominio vertical, va desde la
superficie hasta los 10 hPa. Para una superficie de 1000 hPa, el ms bajo nivel
atmosfrico es en 996 hPa. Utiliza la coordenada hbrida sigma-presin en la
vertical con 19 niveles.
2.
Hadley Centre para la Prediccin Climtica e Investigacin de Inglaterra
El modelo es el denominado HADCM3 el cual es un modelo acoplado ocanoatmsfera MCG descrito por Gordon (1999). Este modelo tiene una climatologa de
control estable.
La componente atmosfrica del modelo tiene 19 niveles con una resolucin
horizontal de 2.5 de latitud con 3.75 de longitud, los cuales producen una grilla
global de 96 x 73; esto es equivalente a una resolucin de 417 km X 278 km sobre
el ecuador, reducindose a 295 km X 278 km en 45 de latitud, comparable con
una resolucin T42.
La componente atmosfrica del modelo opcionalmente permite la emisin,
transporte, oxidacin y deposicin de los componentes sulfricos para ser
simulados interactivamente.
La componente ocenica del HadCM3 tiene 20 niveles con una resolucin
horizontal de 1.25 X 1.25, la cual es una resolucin que hace posible la
representacin de importantes detalles de la estructura normal ocenica.
El modelo es inicializado directamente del estado observado del ocano (Levitus,
1994) en reposo con un adecuado estado atmosfrico y del hielo ocenico. La
atmsfera y el ocano intercambian informacin una vez por ao. Los flujos de
calor y de agua son conservados exactamente en la transferencia entre sus
diferentes puntos de grilla.
3.
Commonwealth Scientific and Industrial Research Organization de

Australia
El modelo utilizado es el CSIRO-Mk2, el cual es acoplado y espectral con una

resolucin horizontal R21, cuya grilla es aproximadamente 625 km X 350 km. Tiene
9 niveles en la atmsfera vertical.
Los flujos de calor ajustados son aplicados al ocano para representar el calor
desde las profundidades del ocano y el efecto de las corrientes. Los flujos son
determinados por un experimento de 10 aos de las temperaturas de agua de mar
observadas el cual es manejado separadamente.
El modelo no toma en cuenta todos los procesos (natural y antropognico) los
cuales afectan la variabilidad climtica y el cambio climtico. Algunos procesos no
son bien entendidos y otros deben estar representados en una manera simplificada
que pueda asegurar una eficiencia computacional.
28

Este modelo no incluye el efecto de enfriamiento regional producido por los sulfatos
lo cual ha sido identificado por el IPCC como un importante elemento
antropognico para el cambio climtico.
4. National Centre for Atmospheric Research - CSM de Estados Unidos
Este modelo acoplado CCSM (Community Climate System Model) es un modelo
para simular el sistema climtico de la tierra; integrado por cuatro componentes
separados que simulan simultneamente la atmsfera, el ocano, la superficie y
hielo marino, y un componente central acoplador. El CCSM permite a los
investigadores conducir la investigacin fundamental del pasado, presente y futuros
estados del clima.
El proyecto de CCSM es un esfuerzo cooperativo de los investigadores del clima de
los Estados Unidos apoyado principalmente por el National Science Foundation
(NSF) y centrado en el National Center for atmospheric Research (NCAR) en
Boulder, Colorado. El desarrollo cientfico de este modelo CCSM es dirigido por los
grupos de trabajo del CCSM, que se renen dos veces al ao. El taller principal de
CCSM se realiza en el mes de junio de cada ao para mostrar los resultados de los
grupos de trabajo y coordinar el futuro del CCSM.
Las componentes del CCSM son los siguientes:
Cpl
Atm
Ocn
Ice
Lnd
:
:
:
:
:
El acoplador
Componente atmosfrica
Componente ocenica
Componente de hielo marino
Componente de la superficie terrestre
Durante el curso de una integracin de CCSM, cada uno de los cuatro modelos
componentes integra hacia delante en tiempo simultneamente y peridicamente
se detiene para intercambiar la informacin por el acoplador. El acoplador recibe
campos de los modelos, clculos, mapas y fusiona esta informacin y enva de
regreso los campos a las componentes del modelo. Para manejar esta secuencia
de los intercambios de comunicacin, el acoplador maneja el tiempo de proceso del
modelo acoplado.
El modelo atmosfrico utilizado se denomina Community Atmosphere Model
(CAM), el cual es un modelo atmosfrico de circulacin general desarrollado a partir
de NCAR-CCM3. Tiene una resolucin horizontal de T42 con 26 niveles en la
vertical, posee una coordenada vertical hbrida unida a una coordenada sigma
cercana a la superficie y una coordenada de presin en el tope de la atmsfera.
El modelo ocenico es una extensin del Parallel Ocean Program (POP) de Los
Alamos National Laboratory (LANL). Las grillas del POP tienen 1 X 3.6 de
resolucin horizontal.
La componente de hielo marino del CCSM se denomina Community Sea-Ice Model
(CSIM4), que incluye esquemas dinmicos, espesores de la distribucin de hielo,
conservacin y termodinmica de la energa, y un modelo de una capa de mezcla.
Este modelo tiene la habilidad de correr usando concentraciones de hielo
preescritos anteriormente.
29

5.
Canadian Centre for climate modelling and Anlisis de Canad
El modelo de circulacin general acoplado CGCM2 consta de dos componentes

una atmosfrica y ocenica. El modelo atmosfrico es espectral con truncacin
triangular T32, la cual corresponde aproximadamente a una resolucin horizontal
de 3.7 X 3.7, adems tiene 10 niveles en la vertical. La componente ocenica esta
basada en el modelo MOM1.1 y tiene una resolucin de 1.8 X 1.8 y 29 niveles en
la vertical. El modelo usa los flujos de calor sensible y latente obtenidos de los
modelos ocenicos y atmosfricos corridos sin acoplar 10 y 4000 aos
respectivamente, seguidos por un procedimiento de adaptacin en la cual los flujos
son calibrados o ajustados por 14 aos de integracin del modelo acoplado.
La habilidad de este modelo climtico para reproducir el clima presente y su
variacin histrica le aade confianza a las proyecciones del cambio climtico
futuro.
6. Center for Climate System Research (CCSR) - National Institute for
Environmental Studies (NIES) de JAPON/USA
Este modelo CCSR/NIES es un modelo acoplado con truncacin triangular en el
nmero de onda 21. En la componente atmosfrica la resolucin horizontal es
cerca de 5.6 x 5.6 y 20 niveles en la atmsfera vertical. En la parte ocenica la
resolucin es de 2.8 x 2.8 y 17 niveles en la vertical. Flujos de ajustes son
aplicados para el intercambio del calor sensible y latente entre la atmsfera y el
ocano para prevenir una deriva en el clima modelado.
7. Geophysical Fluid Dynamics Laboratory de Estados Unidos
El modelo utilizado es un modelo espectral con resolucin espectral R30 que
equivale a una resolucin aproximada de 2.25 por latitud y 3.75 por longitud.
Tiene una resolucion vertical de 14 niveles y consta con una orografa realista y
variacin estacional de la radiacin, de la temperatura superficial del mar as como
el hielo marino.
El efecto de las nubes, dixido de carbono y ozono estn incluidos en el clculo de
la radiacin solar. El ozono es especificado como una funcin de la latitud, altura y
estacin astronmica basada en las observaciones.
30

Tabla 2: Caractersticas Generales de los Modelos de Circulacin General de la Atmsfera

(MCG) utilizados
N
Centro
Pas
Acrnimos
Modelo
Acoplado
Resolucin
Escenarios
Aos
Max Planck
Institute fr
Meteorologie
Alemania
MPIfM
ECHAM4/OPYC3
si
T42
A2, B2
1970-2050
Hadley Centre
for Climate
Prediction and
Research
Inglaterra
HCCPR
HADCM3
si
3.75 x 2.5
A2, B2
1970-2050
Australia's
Commonwealth
Scientific
and Industrial
Research
Organisation
Australia
CSIRO
CSIRO-Mk2
si
R21
A1, A2, B1,

B2
1970-2050
National Centre
for Atmospheric
Research
EEUU
NCAR
NCAR-CSM
si
T42
A2
2000-2050
T42
A2, B2
2000-2050
1980-2050
Canadian
Center for
Climate
Modelling and
Analysis
Canad
CCCma
CGCM2
si
T32
A2, B2
1970-2050
Center
for
Climate System
Research
(CCSR)
National
Institute
for
Environmental
Studies (NIES)
Japn/
EEUU
CCSR/
NIES
CCSR/NIES
AGCM
+ CCSR OGCM
si
T21
A1, A2, B1,

B2
1970-2050
Geophysical
Fluid Dynamics
Laboratory
EEUU
GFDL
R30
si
R30
A2 , B2
1990-2050
NCAR-PCM
FUENTE: REEE escenarios IPCC-DDC
31

4.2
TEMPERATURA SUPERFICIAL DEL MAR (TSM)
4.2.1
METODOLOGA
Esta variable se ha analizado a escala regional y en las zonas Nio 4, Nio 3 y

Nio 1+2 (Fig. 2).
Escala regional: El dominio para esta escala fue la zona tropical del Ocano
Pacfico; se analizaron las diferencias entre las salidas multianuales promedio
(2005-2050) respecto al perodo 1990-2004 de todos los modelos clasificados
(para este reporte), en los dos tipos de escenarios extremos, A2 y B2 (ver tabla
2). Esto nos servir para ver si hay condiciones favorables para la formacin de
los eventos fros y clidos (La Nia y El Nio) y los cambios posibles en estos
eventos extremos.
ndices especficos: Se ha analizado el comportamiento de la TSM para las dos
zonas importantes en la generacin de eventos El Nio: la zona del Nio 4, la
cual est comprendida entre 5N - 5S y 160E - 150W y la zona del Nio 3 la
que comprende entre 5N - 5S y 90W - 150W.
As mismo, se obtuvo la TSM en la zona de Nio 1+2 (0-10S y 80W - 90W)
para los dos escenarios extremos A2 y B2 y para los que tengan mayor y menor
taza de crecimiento.
Para el estudio de El Nio, se procedi a determinar el espectro de potencias, esto
es determinar las diferentes frecuencias de la seal para cada modelo utilizando el
perodograma o espectro de potencia normalizado de Lomb-Scargle, en la cual se
determina la media y la variancia. Es un programa de uso libre y que necesita slo
una serie de tiempo cuyos intervalos de las muestras no necesitan ser uniformes, lo
cual es una ventaja a los otros mtodos de estimacin de espectros de potencia. La
versin original fue basada en el algoritmo descrito en Astrophysical J 338:277-280
(1989) por Press, W.H. y Rybicki, G.B. que posteriormente fue modificada en 1992
usando las versiones del algoritmo presentada en Numerical Recipes.
Posteriormente se utiliz las frecuencias del evento El Nio determinndose entre 2
a 5 aos para ver si hay cambios de la variabilidad relativa (2 - 5 aos) de los
eventos ENSO, esto es si la seal se identifica con el tiempo, los eventos Nio se
tornarn ms intensos en el futuro, para lo cual se analiz la variancia o la potencia
de la seal, la cual es igual a la sumatoria de la potencia en las frecuencias
indicadas para todo el perodo de tiempo (1990 - 2050) y para todos los modelos
utilizados. Asimismo se utiliz los datos observados del Nio 3 para el perodo 1950
al 2003 para hallar la variancia explicada de los datos observados y compararlos
con los obtenidos por los modelos.
4.2.2
RESULTADOS

En esta parte se ha trabajado con 6 modelos y sus respectivos escenarios A2 y B2
(ver tabla 2) a excepcin del modelo HCCPR (2) de Inglaterra, para la zona Tropical
del Pacfico porque no se dispona de TSM pronosticada.
32

La figura 16 es un esquema grfico que muestra los incrementos de la TSM para el

Pacfico Tropical en los escenarios A2 y B2, para el periodo del 2005 al 2050
respecto a 1990-2004. En dicho esquema se observa que los incrementos mayores
de la TSM en el escenario A2 oscilan entre 0.8 y 1.2 C (modelo GFDL), mientras
que los menores incrementos oscilan entre 0.2 y 0.3C (modelo NCAR). En los
otros cuatro modelos utilizados, la TSM oscila en promedio entre 0.4 y 0.6 C. En lo
que concierne al escenario B2, los incrementos mayores oscilan de 0.6 a 0.8C,
mientras que los incrementos menores varan entre 0 y 0.4C.
En la Fig. 17, se muestra la variacin espacial de la TSM entre los aos 2005 al
2050 respecto al perodo 1990-2004 (denominado perodo de referencia), para el
escenario A2 y la Fig.18 muestra lo mismo para el escenario B2. De ambas figuras
podemos observar que el 50% de los modelos (3 de 6 modelos utilizados), indican
que las diferencias son mayores en el escenario A2 respecto al B2, mientras el
33.3% de los modelos (2 de 6 modelos), indican que ambos escenarios tienen
similar anomala y slo un modelo indica que el escenario B2 presenta mayor
incremento de la TSM en la Zona Tropical del Pacfico entre los aos 2005-2050
respecto al perodo de referencia.
Asimismo, podemos observar en la Fig. 17 que la zona adyacente a la costa
peruana y chilena, la TSM presentara un incremento entre 0.2 y 0.8C en el
escenario A2. Similarmente, el escenario B2 presentara anomalas positivas con
mayor intensidad en el modelo CSIRO, que superara el 1C.
1.4
Difrencias de T C
1.2
1
0.8
0.6
0.4
0.2
0
Mayores
A2
Medios
A2
menores
A2
General
A2
Escenario A2
Mayores
B2
Medios
B2
Menores
B2
General
B2
Escenario B2
Fig. 16 Esquema grfico de las diferencias de Temperatura Superficial del Mar (TSM) para
los escenarios A2 y B2
33
Fig. 17 Diferencia de la Temperatura Superficial del Mar (TSM) entre 2005 -2050 con respecto a 1990 -2004: Escenario A2
34
Fig. 18 Diferencia de la Temperatura Superficial del Mar (TSM) entre 2005 -2050 con respecto a 1990 -2004: Escenario B2
35


4.2.2.2.1
Regin Nio 1+2
Debido a la poca resolucin de los MCG, se procedi a calcular la TSM para la

zona del Nio 1+2 la cual est comprendida entre 0 y -10S y entre 80 y 90W, en
reemplazo de la zona costera frente a Piura. El perodo de anlisis para esta regin
fue del 2004 al 2050.
Todos los modelos analizados para esta regin tienen similar tendencia; es decir,
un crecimiento paulatino a travs de los aos, por lo cual se escogieron dos
modelos y dos escenarios extremos (A2 y B2), los cuales son: el modelo
australiano CSIRO escenario B2, el cual tiene la mayor taza de crecimiento en el
tiempo, y el modelo alemn MPIfM A2 con la taza de crecimiento mnimo. Los
resultados de ambos modelos fueron corregidos con los datos observados del
perodo 1990 2003.
En ese sentido, se han obtenido las Fig. 19, 20, 21 y 22 que corresponden a la
variacin temporal de la TSM para ambos modelos en los trimestres enero marzo
(EFM), abril junio (AMJ), julio - septiembre (JAS) y octubre - diciembre (OND)
respectivamente, durante el perodo 2004 - 2050.
En la Fig. 19 (trimestre EFM), podemos observar que ambos modelos indican que
no habr cambios significativos de la temperatura de agua de mar hasta
aproximadamente el ao 2020, para luego presentar una tendencia ascendente
hasta el ao 2050. Esto se relaciona con los resultados sobre la intensidad futura
de los eventos El Nio (analizado posteriormente en la regin de Nio 3), en la cual
los Nios incrementaran su intensidad hacia esa temporada.
En la Fig. 20, (trimestre AMJ), ambos modelos tienen similar tendencia al trimestre
anterior; esto es, incrementos de la TSM a partir del ao 2025. En la Fig. 21
(trimestre JAS), ambos modelos difieren; es decir, el modelo CSIRO B2 muestra la
tendencia ascendente desde 2025 hasta el final del 2050, mientras que el modelo
MPIfM A2 tiene una ligera tendencia decreciente entre el 2004 al 2035 para luego
incrementar hacia el final del perodo. En la Fig. 22 (trimestre OND), la tendencia
ascendente del modelo Australiano es muy lenta compaprado a los perodos
anteriores, lo mismo que el modelo MPIfM el cual indica condiciones estacionarias
hasta el 2050 con presencia de algunos picos de elevada temperatura.
36

Temperatura Superficial del Mar (TSM)

Nio 1+2
Periodo EFM
29.0
28.0
MPIfM A2
CSIRO B2
TSM (C)
27.0
26.0
25.0
24.0
23.0
2000
2010
2020
2030
2040
Tiempo
Fig. 19 Variacin temporal de la TSM en la regin Nio 1+2 durante EFM
Temperatura Superficial del Mar (TSM)

Nio 1+2
Periodo AMJ
29.0
MPIfM A2
28.0
CSIRO B2
TSM(C)
27.0
26.0
25.0
24.0
23.0
2000
2010
2020
2030
2040
Tiempo
Fig. 20 Variacin temporal de la TSM en la regin Nio 1+2 durante AMJ
37


Nio 1+2
Periodo JAS
26.0
25.0
MPIfM A2
CSIRO B2
TSM (C)
24.0
23.0
22.0
21.0
20.0
19.0
2000
2010
2020
2030
2040
Tiempo
Fig. 21. Variacin temporal de la TSM en la regin para Nio 1+2 durante JAS

Nio 1+2
Periodo OND
26.0
25.0
MPIfM A2
CSIRO B2
TSM (C)
24.0
23.0
22.0
21.0
20.0
19.0
2000
2010
2020
2030
2040
Tiempo
Fig. 22: Variacin temporal de la TSM en la regin para Nio 1+2 durante OND.
38

En la tabla 3 se muestra las caractersticas estadsticas de los dos modelos CSIRO

y MPIfM, para el promedio multianual de los cuatro trimestres del ao en el perodo
2004 -2050. En dicha tabla se muestra la media, desviacin estndar y la tendencia
por ao de ambos modelos, en la cual observamos que las mayores desviaciones
estndar se dan en el modelo MPIfM y las mayores tendencias o tasas de
crecimiento se presentan en el primer y segundo trimestre del ao y los menores
crecimientos en el tercer trimestre, mientras en el modelo CSIRO la mayor tasa de
crecimiento se d en el tercer trimestre y el menor crecimiento en el segundo y
cuarto trimestre. Asimismo, la mayor variabilidad de los datos respecto a la media
se presenta en el modelo MPIfM.
Tabla 3: Parmetros estadsticos para los modelos CSIRO y MPIfM en forma trimestral.
Perodo
EFM
AMJ
JAS
OND
Media
(C)
26.59
25.19
21.73
22.59
Modelo CSIRO B2
Desviacin
Tendencia
estndar (C)
por ao (C)
0.40
0.026
0.38
0.025
0.45
0.029
0.39
0.025
Media
(C)
26.22
24.79
21.23
22.3
Modelo MPIfM A2
Desviacin
Tendencia
estndar (C)
por ao (C)
0.59
0.016
0.67
0.016
0.86
0.010
1.02
0.014
En la tabla 4, se muestran las estimaciones de los valores de la Temperatura

Superficial del Mar para la regin Nio 1+2 para los dos escenarios extremos y
para el perodo trimestral desde el 2004 al 2050.
39

Tabla 4: Escenarios de temperatura del mar (C) para la regin Nio 1+2 durante 2004 -2050
Modelo Alemn escenario A2 MPIfM
Modelo Australiano escenario B2 CSIRO
AO
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
2025
2026
2027
2028
2029
2030
2031
2032
2033
2034
2035
2036
2037
2038
2039
2040
2041
2042
2043
2044
2045
2046
2047
2048
2049
MPIfM A2 CSIRO B2 MPIfM A2 CSIRO B2 MPIfM A2 CSIRO B2 MPIfM A2 CSIRO B2

EFM
EFM
AMJ
AMJ
JAS
JAS
OND
OND
25.43
26.37
26.48
26.11
25.84
26.07
25.68
26.42
25.51
25.94
26.08
25.28
26.60
25.72
26.75
25.62
26.53
25.82
26.72
26.07
26.41
25.89
26.08
26.18
25.97
25.91
27.16
25.84
25.93
26.20
26.06
26.25
26.12
25.85
25.80
26.45
26.15
28.26
26.43
26.40
26.75
26.50
25.93
26.00
28.40
26.26
25.95
26.15
26.04
26.11
26.53
26.17
26.08
26.19
26.19
25.99
26.21
26.11
26.24
26.52
26.44
26.21
26.40
26.43
26.84
26.76
26.38
26.28
26.30
26.62
26.91
26.82
26.81
26.61
26.60
26.64
26.71
26.70
26.86
27.15
26.72
26.65
26.64
26.97
27.27
27.33
27.38
27.16
26.97
27.25
27.31
26.79
24.43
25.91
24.74
25.00
24.30
23.83
24.64
24.47
24.20
24.98
24.64
23.58
24.56
25.11
23.84
24.96
24.58
24.55
24.99
24.93
24.60
24.92
24.36
25.29
23.92
25.38
24.48
24.32
24.70
25.53
23.85
24.77
24.76
24.63
24.87
23.53
25.78
26.45
25.71
24.63
25.01
26.64
24.03
25.61
25.01
25.37
24.63
24.68
24.73
24.78
25.10
24.71
24.55
24.82
24.75
24.60
24.75
24.63
24.86
25.06
25.03
25.01
25.01
24.99
25.38
25.29
24.79
24.92
25.14
25.33
25.59
25.39
25.39
25.10
25.27
25.34
25.20
25.40
25.48
25.66
25.26
25.15
25.45
25.76
25.66
25.79
25.76
25.64
25.68
25.87
25.80
25.47
40
21.35
22.48
21.28
20.73
21.40
20.25
21.67
20.60
20.76
21.52
21.08
20.80
20.31
23.49
19.91
21.77
20.34
20.93
21.10
21.38
20.97
21.39
20.48
21.22
20.92
23.44
20.11
20.90
20.53
21.09
20.92
21.12
20.17
20.73
20.94
20.45
22.32
21.34
21.99
21.33
20.76
23.46
21.21
23.22
21.34
21.52
21.06
21.31
21.20
21.17
21.31
21.15
20.90
21.31
21.27
21.08
21.14
21.07
21.87
21.63
21.63
21.62
21.45
21.69
21.80
21.66
21.26
21.38
21.71
21.81
22.17
22.16
22.17
21.82
21.95
21.87
21.73
21.93
22.44
22.06
21.54
21.44
21.91
22.37
22.12
22.48
22.28
22.18
22.12
22.36
22.54
22.50
21.79
22.65
22.13
21.77
23.32
21.05
23.17
21.23
21.47
22.69
21.52
22.68
21.36
24.95
20.96
22.97
21.06
22.04
22.04
22.60
22.14
22.51
21.29
22.33
21.63
24.72
20.94
22.54
21.51
22.60
22.10
22.10
21.58
21.30
22.23
21.83
24.23
22.06
23.25
22.52
21.73
22.93
21.90
25.61
22.44
22.32
22.07
22.11
22.09
22.38
22.33
22.10
22.07
22.14
22.03
22.14
21.98
22.15
22.58
22.55
22.43
22.45
22.58
22.59
22.75
22.46
22.13
22.28
22.52
22.83
22.81
22.83
22.90
22.47
22.44
22.76
22.57
22.81
23.07
22.87
22.35
22.55
22.88
23.26
23.09
23.25
23.06
22.99
22.97
23.19
23.24
23.27

4.2.2.2.2
Regiones NIO 4 y NIO 3
Para poder tener una idea ms clara de cmo es la tendencia de la Temperatura

Superficial del Mar en la zona del Pacfico Ecuatorial Occidental y Central se
analizaron dos regiones denominadas como Nio 4 y Nio 3.
La Fig. 23 muestra la variacin pentanual. Se estim la media mvil de 5 aos de la
TSM en la regin Nio 4, con el propsito de ver la tendencia debido a que sta es
una variable conservativa; es decir, no cambia bruscamente con el tiempo.
Tabla 5: Parmetros estadsticos de la TSM de los diferentes MCG para las regiones
Nio 4 y Nio 3.
Modelos
Media
(C)
CCCma A2
CCCma B2
CCSR/NIES A1
CCSR/NIES A2
CCSR/NIES B1
CCSR/NIES B2
CSIRO A1
CSIRO A2
CSIRO B1
CSIRO B2
MPIfM A2
MPIfM B2
GFDL A2
GFDL B2
NCAR Csm A2
NCAR Pcm B2
Rango (Valores
mnimos y
mximos)
29.25
29.25
28.41
28.40
28.24
28.37
29.04
29.07
29.00
29.04
29.75
29.82
29.98
30.00
29.00
27.17
27.17
30.0
TSM Nio 4
Desviacin
Tendencia
estndar
por ao
(C)
(C)
0.54
0.019
0.50
0.015
0.71
0.026
0.59
0.021
0.56
0.016
0.66
0.023
0.42
0.013
0.58
0.025
0.50
0.022
0.54
0.025
0.64
0.017
0.59
0.018
1.00
0.026
0.92
0.018
0.79
0.011
1.07
0.017
0.42
1.07
0.011
0.026
41
Media
(C)
27.23
27.27
26.03
25.98
25.84
25.98
26.7
26.72
26.66
26.69
26.87
26.90
27.62
27.60
27.28
25.05
25.05
27.62
TSM Nio 3
Desviacin Tendencia por
Estndar
ao
(C)
(C)
0.40
0.022
0.36
0.019
0.49
0.028
0.35
0.020
0.30
0.017
0.40
0.023
0.25
0.014
0.45
0.024
0.37
0.021
0.41
0.024
0.36
0.018
0.37
0.020
0.48
0.024
0.37
0.019
0.97
0.011
0.97
0.018
0.25
0.97
0.011
0.028
Fig. 23: Escenarios de las temperaturas superficial del mar (TSM) para la regin de Nio 4
42
Fig. 24 Escenarios de la temperatura superficial del mar (TSM) para la regin de Nio 3
43

La Fig. 23 muestra en forma sostenida por todos los modelos, una tendencia
ascendente a travs del tiempo. Esto indicara que la superficie marina en esta
zona, cada ao se estara calentando en forma gradual llegando al ao 2050 con
un incremento mximo de alrededor de 1.2C y mnimo de 0.5C, tal como se
observa en la tabla 5. De acuerdo a esta tabla, todos los modelos tienen una
tendencia similar de crecimiento; asimismo, los modelos que presentan mayor
variabilidad, (la mayora de los datos estn alejados de su media), son los modelos
GFDL y NCAR PCM.
La Fig. 24 muestra la variacin pentanual de la TSM en la regin Nio 3, en la cual
podemos observar una similar tendencia ascendente respecto a la regin del Nio
4. Asimismo, podemos observar que el incremento mximo ser del orden de 1.3C
y el mnimo de 0.5C a finales del ao 2050 (tabla 6). Del mismo modo observamos
que los incrementos en esta zona sern mayores respecto al Nio 4, lo cual es de
suma importancia ya que en esta zona se desarrollan los eventos El Nio.
De la tabla 5 podemos observar para esta regin que los mayores incrementos se
presentan en el modelo CCSR/NIES y los mnimos incrementos en el modelo
NCAR. Respecto a la desviacin estndar en la regin de Nio 3 son similares a
excepcin del modelo NCAR que presenta la mayor desviacin estndar.
Con los resultados de esta regin Nio 3, en la cual muestra el calentamiento
sostenido, no se puede concluir que tendremos mayor frecuencia de Nios ya que
este calentamiento formara parte del comportamiento promedio y solamente los
Nios se presentaran cuando ocurra una variacin fuerte respecto al calentamiento
pronosticado.
Sin embargo, en muchos modelos que se muestran en la Fig. 24 se observa
valores cercanos a 28C, hacia los aos 2030. Este valor es considerado el lmite
en la climatologa moderna, para relacionarlo con conveccin lo que formara parte
de la alimentacin en la gnesis de los Nios.
En forma general, de acuerdo a la tabla 5, los modelos predicen una variacin de la
TSM media en el Nio 4 entre 27C y 30C, mientras que en el Nio 3 la variacin
oscila entre 25C y 27C.
ANALISIS DE LOS EVENTOS EL NIO
Para poder inferir sobre la variabilidad del ENSO de los modelos MCG, fue
necesario determinar si stos tenan estas frecuencias (2 a 5 aos) en las salidas
de sus diferentes escenarios, para lo cual se determin el espectro de potencia de
cada modelo. De dicho anlisis podemos decir que los modelos muestran un rango
amplio de los ciclos anuales y en menor grado la variabilidad relativa a El Nio.
Por otro lado, para poder realizar una comparacin respecto a la habilidad de los
modelos en pronosticar los eventos El Nio, se confeccion la tabla 5 en la cual se
muestra la fraccin de la variancia de los datos observados de la regin del Nio 3
para el perodo de 1950 al 2003 de las frecuencia Nio; de similar forma se hizo
este clculo para los modelos globales para el perodo 1990 al 2010.
De la tabla 6, se observa que la fraccin de la variancia del Evento El Nio de los
datos observados es de 0.256, mientras los modelos indican menores fracciones a
excepcin del modelo MPIfM y NCAR que tienen valores cercanos a lo observado;
44

por lo tanto en la mayora de los modelos se ve la debilidad de representar los

Nios.
En concordancia con la tabla 6 y de acuerdo al espectro de potencias, la Fig. 25
presenta las diferentes frecuencias que tienen los modelos de Canad (CCCma
A2) y de Alemania (MPIfM A2), en la cual se nota que al modelo de Canad no le
es fcil pronosticar los Nios, mientras el modelo Alemn presenta mayor habilidad
para este tipo de frecuencias.
Tabla 6: Variancia de los Nios para los diferentes modelos y datos observados
Modelos
Datos Observados (1950 -2004)
CCCma A2 (1990- 2010)
CCCma B2
CCSR/NIES A1
CCSR/NIES A2
CCSR/NIES B1
CCSR/NIES B2
CSIRO A1
CSIRO A2
CSIRO B1
CSIRO B2
MPIfM A2
MPIfM B2
GFDL A2
GFDL B2
NCAR-PCM B2
NCAR-CSM A2
Fraccin de variancia de
eventos El Nio
0.256
0.014
0.017
0.032
0.030
0.032
0.077
0.015
0.015
0.013
0.008
0.897
0.464
0.049
0.047
0.226
0.068
Asimismo, en la Fig. 26 se muestra las frecuencias que presenta el modelo NCAR,

el cual presenta limitaciones en representar el ciclo anual, pero tiene mayor
habilidad para los eventos con perodos de 5 a 20 aos, lo cual se muestra en la
tabla 6.
45

Fig. 25: Frecuencias del espectro de la TSM para el modelo de CCCma y MPIfM
46

Fig. 26: Frecuencias del espectro de la TSM para el modelo NCAR
Para poder observar la intensidad de los eventos El Nio futuros, se procedi a

analizar el cambio de la fraccin de la variancia (intensidad) de dichos eventos con
respecto al tiempo, tal como se puede observar en las Fig.27 (a) y (b), que son
salidas de los modelos que tienen buena representacin de El Nio (Modelos
MPIfM y NCAR).
Las Fig. 27(a) y 27(b) muestran la frecuencia total de la seal, la frecuencia de El
Nio y su relacin con la frecuencia total, de donde podemos observar que el
modelo MPIfM indica diferencias en ambos escenarios, mientras en los modelos de
NCAR uno de ellos presenta intensidad de El Nio con el tiempo y el otro muestra
que la intensidad se mantendr uniforme durante el perodo.
Por lo tanto, considerando los 4 escenarios que tenemos, uno de ellos indica que la
intensidad de los Nios futuros no variar y permanecer sin cambios en todo el
perodo; 3 de los 4 escenarios indican que los Nios incrementarn su intensidad
pero no hay uniformidad en los tiempos de recurrencia en que puede darse esta
intensidad, tal como puede observarse en la Fig. 28.
47

Fig. 27(a): Intensidad de la frecuencia El Nio para los escenarios A2 (arriba) y B2

(abajo) del modelo MPIfM
48

Fig. 27(b): Intensidad de la frecuencia El Nio para los escenarios A2 (arriba) y B2

(abajo) del modelo de NCAR
49

100
Probabilidad (%)
80
60
40
20
0
SIC A M B IA
N O C A M B IA
Fig. 28: Probabilidad de cambio de intensidad de los eventos El Nio
Del grupo de escenarios que muestran cambios en la intensidad de los Nios slo
un escenario indica que la intensidad de los Nios ir en forma creciente siendo su
mximo hacia el ao 2030 para luego decrecer al finalizar el perodo, los otros dos
modelos tienen oscilaciones de incremento y decrecimiento de intensidad por
perodos no similares tal como puede verse en la Fig. 27(a).
Por otro lado, la Fig.29 muestra la fraccin de la variancia del evento El Nio de los
datos observados. Se observa que la variancia de El Nio ha incrementado a partir
de la dcada del 60, presentando perodos de incremento y decrecimiento y que
han estado en fase con el incremento de la variacin total pero que esta variancia
total est incrementndose sostenidamente a travs del tiempo debido a otros
eventos diferentes a El Nio.
Fig. 29: Intensidad de la frecuencia El Nio para los datos observados entre 1950 y 2003
50

En resumen:
Sobre el Pacfico tropical, todos los modelo MCG en ambos escenarios indican
incrementos de la Temperatura Superficial del Mar (TSM) durante los prximos
50 aos, estos incrementos varan de un escenario a otro, pero se puede
establecer que el 50% de los modelos indican que las anomalas del escenario
A2 son mayores que el escenario B2, mientras el 16.7% indica que las
anomalas del escenario B2 son mayores a A2 y el 33.3% indica que ambos
escenarios tienen la misma anomala positiva.
La TSM en la regin Nio 1+2 se incrementara notoriamente a partir del ao

2025, especialmente en el trimestre de Enero a Marzo. El incremento mximo
probable en esta zona sera de aproximadamente 1.2C hacia el ao 2050 y el
incremento mnimo probable sera de 0.6C.
En las regiones de Nio 4 y Nio 3 los incrementos mnimos probables seran

de 0.5, mientras los incrementos mximos probables seran de 1.2 y 1.3
respectivamente hacia el ao 2050.
La mayora de los modelos MCG muestran poca habilidad para representar los
eventos El Nio, pero las excepciones son los modelos MPIfM y NCAR PCM.
Sobre la intensidad de los Nios futuros, el 75% de los modelos indican que los
Nios variarn de intensidad, pero no estn de acuerdo en las fechas,
presentando la mayor parte de los modelos un incremento hacia el ao 2020 y
2030. El 25% de los modelos indican que no habr cambios en la intensidad del
Nio.
51

4.3
PRESIN ATMOSFRICA A NIVEL DEL MAR COMO INDICADOR DE

EVENTOS EL NIO
4.3.1
METODOLOGIA
Como ya se sabe, El Nio - Oscilacin Sur (ENOS)6 se produce por la interaccin

de dos componentes: la Atmosfrica y la Ocenica. Una de las componentes
atmosfricas corresponde a la diferencia de presin entre las estaciones de registro
baromtrico de Tahit (Pacfico Oriental) y Darwin (Pacfico Occidental), la cual se
identifica como el ndice de Oscilacin del Sur (IOS). Una de las componentes
ocenicas es la Temperatura Superficial del Mar (TSM) y su anomala en el
Pacfico Tropical.
Para los estudios de monitoreo y predictabilidad del ENOS uno de los ndices ms
comnmente estudiados es el IOS y su relacin con la TSM en el Pacfico tropical.
Si el IOS es negativo y se observa un calentamiento superficial de la temperatura
del mar frente a la costa occidental sudamericana, es un indicativo de la fase clida
del ENOS. Si el IOS es positivo y se observa un enfriamiento de la temperatura
superficial del mar, es un indicativo de la fase fra del ENOS.
Conociendo entonces la importancia del IOS para el monitoreo del ENOS, en el
presente informe se realiza la proyeccin futura (prximos 30 aos) de este ndice,
a partir de la presin a nivel del mar pronosticada por los Modelos de Circulacin
General de la Atmsfera (MCG) y acoplados.
La informacin utilizada fue la siguiente:
Informacin histrica del perodo 1900 - 2004 de la Presin a Nivel del Mar de
las estaciones de Tahit y Darwin.
Informacin de la Presin a Nivel del Mar proyectada para el perodo 19702050, resultado de las salidas de los MCG 1, 2, 3, 4 y 6 de la tabla 2.
Para el clculo del IOS en el Pacfico Tropical, se recopil la informacin de la
variable presin a nivel del mar de 17 escenarios (ver tabla 2), proyectados por seis
MCG acoplados entre 1970 y 2004. Los datos de presin a nivel del mar, fueron
extrados en forma puntual en las coordenadas correspondientes a Tahit y Darwin.
Una vez obtenido el IOS proyectado y real, se procedi a calcular la media mvil
pentadal y la tendencia del IOS, asociada a una distribucin de probabilidad T de
Student.
Finalmente, para conocer la evolucin en el pasado y presente del IOS, se analiz
la serie histrica de 1900 al 2004 (Konnen et al. 1998), lo cual nos permiti conocer
las distintas fases por las que atraves el IOS y su estado actual. Asimismo, se
analizaron las proyecciones del IOS para los prximos 50 aos en relacin a la
ocurrencia de circulaciones atmosfricas clidas y fras del ENOS.
4.3.2
RESULTADOS
Los resultados de gran parte de los escenarios de IOS estimados a partir de la

informacin de presin a nivel del mar, proyectados por los MCG al 2050
6
Arntz y Farbach ,1991

52

(CCSR/NIES A1, A2, B1 y B2; CSIRO B1 y B2; EH40PYC A2 y B2, HADCM3 A2 y

B2; NCAR-CSM A2 y NCAR-PCM A2) indican con un nivel de significancia mayor al
75%, la ocurrencia de valores de IOS positivos. Valores que estaran asociados a la
predominancia de circulaciones atmosfricas fras en el Pacfico Tropical y en la
regin costera sudamericana (Ver Fig. 30).
En tanto, los modelos CSIRO A2, CCCma A2 y B2 y el IOS real, indican con un
nivel de significancia del 75% y de 99.9% para el NCAR-PCM B2, la ocurrencia de
IOS con valores de negativos. Valores que estaran asociados a la predominancia
de circulaciones atmosfricas clidas en el Pacfico tropical y en la regin
sudamericana en los prximos 45 aos. (Fig. 30)
100
70
60
2
50
40
Tstud cal
IOS- real
NCARPCM-B2
NCARPCM-A2
HADCM3-B2
HADCM3-A2
EH40PYC-B2
NCARCSM-A2
Escenarios
EH40PYC-A2
CSIRO-B2
CSIRO-B1
CSIRO-A2
CSIRO-A1
CCCSRNIES-B2
CCCSRNIES-B1
CCCSRNIES-A2
-4
CCCSRNIES-A1
-2
CCCma-B2
0
CCCma-A2
T student calculado
80
30
20
Nivel de Significancia (%)
90
6
10
0
N. Sign. (%)
Fig. 30: Nivel de significancia de la tendencia del IOS proyectado al

modelos acoplados y Nivel de significancia de la tendencia del IOS real.
2050 en base a seis
Si bien se ha encontrado que la mayora de los MCG proyectan que los patrones de
circulacin atmosfrica configuraran ms eventos fros en relacin a eventos
clidos, en los prximos cuarenta y cinco aos, estos estaran asociados a cambios
climticos en la circulacin atmosfrica en esta regin del Pacfico y principalmente
en la regin costera sudamericana.
Sin embargo, el grado de confianza de estas proyecciones de IOS podran verse
reducidas debido a la complejidad de simular realsticamente la interaccin del
sistema ocano-atmsfera por los modelos y la capacidad de prediccin del ENOS.
En el anlisis de la temperatura superficial del agua de mar se encontr que la
mayora de los MCG (tabla 2) tienen debilidad de representar los Nios, a
excepcin del modelo EH40PYC (MPIfM) y NCAR-PCM (ver tabla 6).
Finalmente, podemos inferir en funcin a la habilidad de representar El Nio por los
GCM, que las proyecciones del modelo EH40PYC (MPIfM) escenario A2 y B2 y el
modelo NCAR-PCM escenario A2, indican con un nivel de significancia entre 75 y
53

99%, la ocurrencia de valores de IOS positivos al 2050, valores que estaran

asociados a la predominancia de circulaciones atmosfricas fras en el Pacfico
Tropical y en la regin costera sudamericana, principalmente.
En tanto el modelo NCAR-PCM escenario B2 y el escenario de IOS real, indican
con nivel de significancia de 75 a 99.9%, la ocurrencia de valores de IOS negativos,
valores que estaran asociados a la predominancia de circulaciones atmosfricas
clidas en el pacfico tropical y en la regin costera sudamericana, en los prximos
45 aos. Asimismo, estaran relacionados con El Nio y cambios en el rgimen de
la precipitacin sobre el Ocano Pacfico Tropical y principalmente en la Costa
Norte del Per7.
La Fig.31 (a) y (b) nos muestra el IOS histrico (1900 al 2004) y la gama de los
escenarios extremos (A2 y B1) del IOS y los escenarios A2 y B2 proyectados de
1970 al 2050 por los diferentes MCG, como se observa algunos de ellos pudieron
simular valores cercanos al IOS real presentado en el ENOS de 1982/83 y 1997/98.
Otros lograron simular con diferente intensidad los rangos alcanzados por IOS real,
debido a las condiciones con que fueron inicializadas y a que pese a ser muchos de
ellos modelos que tienen las caractersticas de ser acoplados, no representan bien
el acoplamiento ocano-atmsfera.
Otra hiptesis que surge al respecto es que muchos de los eventos ENOS podran
deberse a factores externos fuera de la estructura vertical de la atmsfera no
considerada por los modelos, estos factores externos podran ser el desbalance
energtico y cambio en la orbita terrestre, que no han sido simulados
realsticamente por los modelos.
En la actualidad los procesos de acoplamientos de las componentes ocanoatmsfera-tierra estn en procesos de mejoras y tunning.
Segn IPCC (2001), los procesos que rigen el sistema climtico determinan la
variabilidad natural del sistema climtico y su respuesta a perturbaciones como el
aumento de la concentracin de GEI en la atmsfera. Donde los procesos de
realimentacin amplifican o reducen los cambios que se producen en respuesta a
una perturbacin inicial y son por lo tanto, muy importantes para poder simular con
exactitud la evolucin del clima.
CRU (1999), seala que el comportamiento de los eventos El Nio no siempre est
bien representado en los modelos climticos, por lo que predecir como cambiarn
stos eventos debido al calentamiento global es difcil ya que cualquier cambio
en el fenmeno de El Nio podra tener un impacto en la regin. Por lo que los
escenarios deben ser derivados de modelos climticos que incluyan la mejor
representacin posible de los procesos en la atmsfera, ocanos y continentes,
dados los conocimientos cientficos actuales y la tecnologa informtica con la que
se cuenta.
Basndonos en las premisas anteriores, podemos observar que parte de los
modelos acoplados considerados, podran estar amplificando o reduciendo los
valores de la presin a nivel del mar y por ende del IOS. Sin embargo, otros
modelos como el modelo EH40PYC del Instituto Max Planck de Alemania (MPIfM) y
el modelo NCAR-PCM de la National Centre Atmosphere Research de los EEUU,
tienen una mejor respuesta en la representacin de El Nio y por consiguiente el
clculo del IOS.
7
Ver item 1.6

54

IO Sh
N C A R P C M _A 2
2
C C C m a_A 2
C C SR N IES_A 2
1
H A D C M 3-A 2
N C A R C SM -A 2
0
EH 40P YC -A 2
C SIR O -A 2
-1
C SIR O -B 1
C C SR N IES-B 1
-2
-3
-4
1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010 2020 2030 2040 2050
Fig. 31 (a) Escenarios extremos normalizados A2 y B1 de la tendencia del IOS proyectada al

2050. La curva roja es el IOS real normalizado.
4
IO Sh
3
N C A R P C M _A 2
C C C m a_A 2
2
C C SR N IES_A 2
H A D C M 3-A 2
N C A R C SM -A 2
EH 40P YC -A 2
C SIR O -A 2
-1
C C C M A -B 2
C SIR O -B 2
-2
H A D C M 3-B 2
N C A R P C M -B 2
-3
C C SR N IES-B 2
EH 40P YC -B 2
-4
1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010 2020 2030 2040 2050
Fig. 31 (b) Escenarios normalizados A2 y B2 de la tendencia del IOS proyectada al 2050 y

Escenario del IOS real normalizado en color rojo
55

Finalmente del panorama de las proyecciones extremas del IOS mostradas,

podemos inferir, que las circulaciones atmosfricas tanto clidas como fras, que
pudieran producirse en los prximos 45 aos, cabe la posibilidad que se presenten
de magnitud ligeramente inferior a las ocurridas en el evento ENOS de 1997-98 y
de magnitud ligeramente superiores presentadas en el episodio fro de 1999-2001;
siendo los rangos extremos de -1,0 a 1,5 de los escenarios A2 y B1 de los IOS
proyectados al 2050.
Si bien es cierto que en muchos de los modelos acoplados, el proceso de
acoplamiento actualmente est en mejora y por lo tanto, estaran amplificando o
reduciendo los escenarios de la presin a nivel del mar y por consiguiente el IOS
estimado. Sin embargo; las proyecciones dadas a partir de stos, constituyen una
herramienta que debera tenerse en consideracin. Proyecciones que nos
indicaran cambios climticos en los patrones de circulacin atmosfrica, que no
estn necesariamente asociados al ENOS, dado que la tendencia futura de las
TSM (ver tabla 5)8 en la regin Nio 3 y 4 indica un ligero incremento gradual hacia
el 2050.
En resumen:
De los resultados analizados de los escenarios de IOS proyectadas al 2050,
estimados a partir de la informacin de presin a nivel del mar de los MCG, se
puede concluir:
El modelo EH40PYC (MPIfM) escenario A2 y B2 y el modelo NCAR-PCM

escenario A2 indican con un nivel de significancia entre 75 y 99%, la ocurrencia
de valores de IOS positivos al 2050, valores que estaran asociados a la
predominancia de circulaciones atmosfricas fras en el Pacfico Tropical y en la
regin costera sudamericana, principalmente.
Los modelos CCCma A2 y B2; NCAR-PCM B2 y el escenario de IOS real,
indican con nivel de significancia de 99.9%, la ocurrencia de valores de IOS
negativos, valores que estaran asociados a la predominancia de circulaciones
atmosfricas calidas en el Pacfico Tropical y en la regin costera
sudamericana, principalmente, en los prximos 45 aos. Asimismo, estaran
relacionados con cambios en el rgimen de la precipitacin sobre el Ocano
Pacfico tropical y principalmente en la costa norte del Per.
Los rangos extremos de los escenarios A2 y B1 de los IOS proyectados al
2050 oscilarn entre -3,0 y 3,0.
La mayora de las proyecciones de IOS al 2050 nos indican la predominancia
de circulaciones atmosfricas fras, pero con niveles de significancia
ligeramente menores (1%) en relacin a las proyecciones positivas del IOS,
proyecciones que estaran relacionadas a cambios climticos que no
necesariamente estaran asociadas a la fase negativa del ENOS.
Ver item 4.2.2.2.2
56

4.4
NIVEL MEDIO DEL MAR
4.4.1
METODOLOGIA
El anlisis de la variable Nivel Medio del Mar, se realiz en base a dos fuentes de
diagnstico: datos observados (ver Tabla 7), y salidas de los MCG CCSR/NIES y
GFDL hasta el perodo 2050 (ver Tabla 2).
Observaciones
Se ubicaron estaciones en la costa occidental de Amrica, las cuales se indican a
continuacin:
Estacin
Seattle
San Francisco
San Diego
Honolulu
Balboa
Santa Cruz
Talara
Paita
Callao
*
Tabla 7: Ubicacin de maregrafos

Longitud
Latitud
Registro
12220W
4736N
1900-2001 (101 aos)*
12228W
3748N
1856-2001 (145 aos)*
11710W
3243N
1907-2001 (94 aos)*
15752W
2119N
1906-2001 (95 aos)*
7934W
0858N
1909-1996 (87 aos)*
9019W
0045S
1979-2000 (21 aos)**
8117W
0437S
1942-1969 (27 aos)*
8110W
0505S
1988-2003 (15 aos)***
7709w
1203S
1970-2001 (31 aos)**
Informacin proporcionada por El Sistema de Observacin Global del Nivel del Mar GLOSS (siglas en
ingles), datos ajustados a un control de calidad.
Informacin proporcionada por El Sistema de Observacin Global del Nivel del Mar (GLOSS), datos
recibidos desde los representantes de cada pas en relacin a nivel del mar.
Informacin proporcionada por la Direccin de Hidrografa y Navegacin de la Marina de Guerra del Per
(DHN)
**
***
Por otro lado, tambin se observaron las variaciones del volumen del ocano en la
capa superior para el Pacfico Tropical, rea comprendida entre 15N y 15S, para
el perodo de 1975 al 2003 (28 aos), el cual fue calculado desde un campo grillado
de desviaciones del nivel medio del mar. Ms detalles de este clculo son dados
por Wyrtki (Journal of Geophysical Research, 1987- Vol.90, pp. 7129-7132).
Diagnstico de modelos globales
El anlisis de la presente variable se realiz en dos escalas.
-
Escala Global: Se utilizaron dos de los siete MCG que se muestran en la tabla
2: CCSR/NIES y GFDL, sobre la tendencia a nivel mundial del incremento del
nivel medio del mar hacia los aos 2020 y 2050.
Escala Regional: Para este anlisis, teniendo de base el comportamiento del

modelo global GFDL, se analiz la tendencia observada del nivel medio del mar
en la estacin de Paita.
4.4.2
RESULTADOS
El Nivel Medio del Mar es una parte integral del complejo sistema integrado por una
serie de procesos acoplados ocano-atmsfera y ocano-tierra. El nivel medio del
57

mar vara como resultado de procesos en un amplio rango de escalas de tiempo,

desde segundos a millones de aos. Lo concerniente a este reporte es con
procesos relacionados al clima que tienen efecto en escalas de tiempo de dcadas
a siglos. El presente anlisis se realizar con datos observados del nivel medio del
mar (ver Tabla 7) y las perspectivas en los prximos 20 a 50 aos desde dos de los
modelos globales (ver Tabla 2).
El cambio en el nivel medio del mar no slo responde a cambios cortos diurnos,
estacionales o anuales, tambin responde a cambios en la entrada de agua dulce,
flujo de calor y a causa de movimientos y cambios en la circulacin del ocano. Al
mismo tiempo, uno debe notar que las seales importantes de los procesos de
cambio climtico son encubiertas por la variabilidad natural.
El Nivel medio del mar en la costa es definido como la altura del mar con respecto a
un punto de referencia local en tierra, promediado sobre un perodo de tiempo, tal
como un mes o un ao, lo suficientemente largo para que las fluctuaciones
causadas por las ondas y corrientes o mareas sean ampliamente removidas (IPCC,
Climate Change 2001:The Scientific Basis).
Posibles incrementos en el nivel medio del mar se espera que tengan un gran
impacto en la futura evolucin costera. Efectos potenciales sugieren erosin
costera, incursin de agua salada hacia los acuferos de agua en tierra, inundacin
de estuarios, pantanos y daos especialmente en las poblaciones costeras e
instalaciones de puertos. Por lo que, es urgente conocer si es necesario
implementar estrategias para adaptar el problema del incremento del nivel medio
del mar en los planeamientos a largo plazo.
4.4.2.1 Observaciones
La principal fuente de informacin para tendencias globales del nivel del mar
durante el pasado siglo, han sido los maregrafos. Se debe tener presente que los
registros del nivel del mar contienen una significante variabilidad interanual y
decadal (IPCC, Climate Change 2001:The Scientific Basis); por lo que la presencia
de registros largos son requeridos a fin de obtener informacin fiable que sea
representativa del siglo.
Cambios en el nivel medio del mar son medidos por los maregrafos, los cuales
son llamados cambios relativos del nivel del mar, ya que ellos son espacialmente
variables a causa de movimientos de la tierra (temblores, terremotos) y cambios en
la circulacin ocenica (IPCC, Climate Change 2001:The Scientific Basis). Estos
dos trminos pueden tener similar tasa de cambio sobre escalas de tiempo grandes
como dcadas.
58

Fig. 32 Cambios en el nivel del mar registrados por los maregrafos en localidades
ubicadas en la costa occidental de Amrica. Cada serie de tiempo ha sido ajustada
verticalmente para propsitos de presentacin
Basado en informacin de maregrafos, el nivel medio del mar en promedio global

se increment aproximadamente en 1.5 mm/ao (0.15 cm/ao) durante el siglo 20,
esto debido a un determinado nmero de factores que incluyen expansin termal
del calentamiento de las aguas del ocano y el derretimiento de glaciares (IPCC,
Climate Change 2001:The Scientific Basis). En la Fig. 32 se tiene el registro en
series de tiempo de los valores observados por los maregrafos en localidades de
la costa occidental de Amrica, donde se observa un incremento en el nivel del mar
desde el siglo pasado, perodo en el cual el efecto invernadero no era muy fuerte o
no tena una influencia marcada en las actividades antropognicas; asimismo se
tiene que este incremento contina, sumndose durante este perodo el
calentamiento global.
59

40
Nivel del Mar (cm)
30
20
10
-10
-20
1979 1982
1984 1986
1988 1990
1992 1994
1996 1998
2000
Fig. 33 Datos observados del nivel del mar (1979-2000) en la estacin Santa Cruz (0045S, 9019W)
40
Nivel del Mar (cm)
30
20
10
-10
-20
1988
1990
1992
1994
1996
1998
2000
2002
Fig. 34 Datos observados del nivel del mar (1988-2003) en la estacin Paita (0505S, 8110W)
60

La estimacin del incremento del nivel del mar desde maregrafos, se muestra en
la Tabla 8, donde se aprecia un muy alto nivel de significancia (99.9%) de la
tendencia en estaciones alrededor de la costa del Pacfico de Norte y Centro
Amrica, localidades con amplio registro de informacin (ver Tabla 7). En las
localidades de Sur Amrica con un corto perodo de registro el nivel de significancia
es de medio a alto, observndose una tendencia similar a las anteriores. En
promedio para las localidades evaluadas el incremento fue de 0.13 cm/ao (valor
que oscila a lo sealado por el IPCC). Por otro lado, se debe tener en cuenta la alta
incertidumbre presente a causa de eventos El Nio, perodo en el cual el nivel
medio del mar se ve incrementado, con valores que llegan hasta 40 centmetros
(ver Fig. 33 y Fig. 34), durante los episodios 1982-83 y 1997-98.
Tabla 8: Estimaciones del incremento del nivel medio del mar desde maregrafos en
localidades ubicadas en la costa occidental de Amrica.
Estacin
Longitud
Latitud
Seattle
San Francisco
San Diego
Honolulu
Balboa
Santa Cruz
Talara
Paita
Callao
12220W
12228W
11710W
15752W
7934W
9019W
8117W
8110W
7709w
4736N
3748N
3243N
2119N
0858N
0045S
0437S
0505S
1203S
Nivel de
significancia (%)
99.9
99.9
99.9
99.9
99.9
75.0
75.0
95.0
< 50.0
Tasa e.e *
(cm/ao)
0.20 0.01
0.14 0.01
0.21 0.01
0.14 0.01
0.15 0.01
0.01 0.01
0.10 0.08
0.24 0.11
0.01 0.05
* La incertidumbre es representada por el error estndar (e.e) de las estimaciones del nivel medio del mar desde
los maregrafos.
En la Fig. 35, se tiene la serie de tiempo mensual de las variaciones del volumen en
la capa superior del Pacfico Tropical (15N 15S), donde se observa una
tendencia positiva desde el ao 1975 al 2003.
Variaciones del volum en (m ts. cubicos)
800
600
400
200
0
-200
-400
-600
-800
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003
Fig. 35 Variaciones del volumen en la capa superior del Pacfico Tropical (15 N 15 S).
61

4.4.2.2
Modelos Globales
4.4.2.2.1
Cambios del nivel medio del mar a nivel global
Los cambios en el promedio global del nivel medio del mar son importantes
consecuencias de cambios en la temperatura global, principalmente el incremento a
travs de la expansin termal del agua en el ocano y tambin a travs del
derretimiento de los glaciares en montaa.
Los escenarios analizados en los modelos globales CCSR/NIES y GFDL (ver Fig.
36), proyectan un incremento del nivel medio del mar de 4 a 6 cm al ao 2020.
Considerando que el ocano est integrando en el tiempo una fuente de calor
anmala cada vez ms grande (GEIs), estas proyecciones podran oscilar entre 15
a 21 cm hacia el ao 2050. Debe enfatizarse adems, que el margen de variacin
obtenido, refleja la incertidumbre sistemtica que caracteriza la elaboracin de los
modelos (ver Tabla 9).
De otro lado, debe notarse que el modelo global CCSR/NIES simula correctamente
la tendencia del nivel medio del mar observado en la estacin de Talara (costa
norte de Per); no obstante, los cambios puntuales a mayor detalle en dicha
estacin, propios de su variabilidad natural, no fueron advertidos por el modelo
global debido a su baja resolucin horizontal (integracin simulada de todo el
globo).
Tabla 9: Estimaciones del incremento del nivel del mar segn los modelos.
Modelo
Nivel de
significancia (%)
99.9
99.9
99.9
GFDL
CCSRA2
CCSRB2
Tasa e.e *
(cm/ao)
0.15 0.01
0.21 0.01
0.21 0.01
* La incertidumbre es representada por el error estndar (e.e) de las estimaciones del nivel del
mar desde los modelos.
40
C C SR A 1
35
C C SR A 1F1
30
C C SR A 1FT
C C SR A 2
Nivel del Mar (cm)
25
C C SR B 1
20
C C SR B 2
15
G FD L
10
P aita
Talara
5
0
-5
-10
-15
1940
1950
1960
1970
1980
1990
2000
2010
2020
2030
2040
2050
Fig. 36 Cambio global del nivel del mar proyectado hasta el ao 2050 (modelos globales
CCSR/NIES y GFDL) y datos observados en las estaciones de Paita y Talara.
62

4.4.2.2.2
Cambios del nivel medio del mar a nivel regional
El cambio en el nivel medio del mar relativo a la tierra no ser el mismo en

cualquier localidad a causa de los movimientos naturales de la tierra y las
variaciones regionales. Por otro lado, tambin se debe tener en cuenta que en
estos modelos globales los efectos de consolidacin de sedimentos no se incluyen,
ya que estos son problemas muchas veces de localidad y pueden variar en reas
costeras a muy corta distancia. As mismo, esta variable se vera incrementada al
incrementarse la precipitacin en el norte del Per.
Al analizar el comportamiento de los datos observados en la estacin de Paita, se
tiene que estos siguen una tendencia muy similar al modelo GFDL (ver Fig. 36), el
cual proyecta para el perodo 1990 al 2050 un cambio de 0.15 cm/ao, con una
incertidumbre propia del modelo de 0.01. Es importante destacar que los datos
observados nos permiten apreciar las fluctuaciones altas que se producen en el
nivel medio del mar por efecto de eventos extremos como es el evento El Nio,
algo que el modelo GFDL no aprecia por presentar muy baja variancia en la
representacin de dicho evento (ver Tabla 5).
En resumen:
Se observ un incremento en promedio del nivel medio del mar a travs del
anlisis de los datos observados de 0.13 cm/ao en localidades ubicadas en la
costa occidental de Amrica
En la estacin de Paita, el incremento en el nivel medio del mar fue de 0.24

cm/ao.
Las variaciones del volumen en la capa superior sobre el Pacfico Tropical

presentan una tendencia positiva desde 1975 hasta el ao 2003.
A travs de los datos observados se aprecia que durante eventos El Nio el

nivel medio del mar sufre notorios incrementos.
Los modelos globales a nivel mundial proyectan variaciones graduales en el

nivel medio del mar en el rango de 4 a 6 cm al 2020. Hacia el ao 2050, los
modelos proyectan incrementos que estaran en el rango de 15 a 21 cm.
Los datos del nivel medio del mar de la estacin de Paita, siguen un
comportamiento muy similar en sus fluctuaciones a los simulados por el modelo
GFDL, salvo los picos observados durante eventos extremos como el evento El
Nio.
63

4.5
PRECIPITACIN
4.5.2
METODOLOGA
Anlisis en tres escalas

-
Escala Regional: Comprende el rea tropical de Sudamrica y el Pacfico

Central y Oriental, para la determinacin de las condiciones a macro escala que
afectan el comportamiento del tiempo en el Per. Asimismo se realiz el
anlisis para dos meses, febrero (representativo del perodo lluvioso en el Per)
y agosto (del mes de estiaje) para los dos escenarios extremos A2 y B2 de los
modelos indicados en la tabla 2. Se presentan figuras con los totales de
precipitacin promedio comprendido en el perodo 2005 - 2050 para los meses
indicados.
Escala Per: Se analizaron las diferencias entre la precipitacin promedio para

el mes de febrero del perodo 2005 - 2050 con la del perodo 1990-2005,
denominado perodo de referencia, para poder determinar si hay incrementos o
disminucin notorios en la temporada futura. Este anlisis se realiz para los
dos tipos de escenarios extremos A2 y B2, as como para el promedio anual.
Escala Local: En este caso, se ubic el punto de grilla ms cercano a la zona

de Piura en los MCG acoplados para determinar la tendencia de la precipitacin
para los diferentes escenarios.
4.5.3
RESULTADOS

Para este anlisis se han tenido disponible la informacin de los siete modelos de
las diversas instituciones descritos en la tabla 2 con sus respectivos escenarios
totalizando 18 escenarios.
La Fig. 37(a) representa las precipitaciones promedio del mes tpico de verano
(febrero) en el perodo 2005-2050 de dos modelos CCSR/NIES y CSIRO en sus
respectivos escenarios tales como A2, B2, A1 y B1, en la cual podemos observar
que sobre Sudamrica se presentan precipitaciones similares en sus respectivos
escenarios, diferencindose slo en intensidades en las precipitaciones localizadas
sobre la Amazona Noroccidental (CCSR/NIES).
En la Fig. 37(b) se presentan las precipitaciones promedio del 2005 2050 para el
mes de febrero para los escenarios extremos A2 y B2 de cuatro modelos, en forma
similar se presenta la Fig. 37(c) para los modelos de NCAR. En las figuras ltimas
podemos observar que las precipitaciones proyectadas por estos modelos tienen
caractersticas diferentes a las proyectadas en la Fig. 37(a); es decir, que se
estiman ncleos de mximas precipitaciones sobre el Altiplano adicional a la zona
de la Amazona.
Entonces de acuerdo a las Fig. 37 (a), (b) y (c) slo analizaremos los siete modelos
con sus respectivos escenarios extremos (A2 y B2) totalizando 14 escenarios. En
ese sentido, 10 de los 14 escenarios indican que la zona de Colombia y Venezuela
presentarn menor lluvia comparada con la Amazona, y 5 de 14 estiman que el
nordeste brasilero presentar lluvias por debajo de 50 mm.
64

Por otro lado, cinco escenarios de los 14 indican que los ncleos de mxima
precipitacin se darn en la Zona Sur (Altiplano) durante el mes de febrero; de
similar forma, otros 7 de los 14 estiman que el mximo ncleo de precipitaciones
se presentar en la Amazona Norte, mientras 2 de los 14 presentan los dos
mximos localizados en ambas zonas.
Asimismo, podemos observar de manera general que las mximas precipitaciones
tienen una orientacin NW-SW en Amrica del Sur, la que estara relacionada con
la orientacin de la Cordillera de los Andes as como con la presencia de la Zona
de Convergencia del Atlntico Sur (ZCAS), tpica de este mes.
Por otro lado, debemos mencionar que la gran mayora de los modelos de
circulacin general han simulado cualitativamente la posicin de la Zona de
Convergencia Intertropical (ZCIT) a excepcin de NCAR en sus dos modelos (Fig.
37(c)), en los cuales, la ZCIT est ubicada excesivamente al sur de su posicin
normal lo cual es aparentemente un desplazamiento errneo o anormal.
Fig. 37 (a): Precipitacin promedio en febrero 2005 2050 (mm/mes) segn los modelos
CSIRO y CCSR/NIES
65

Fig. 37 (b): Precipitacin promedio en febrero 2005 - 2050 (mm/mes) para algunos modelos
de los escenarios extremos A2 y B2
66

Fig. 37(c): Precipitacin promedio febrero 2005 -2050 (mm/mes) para el modelo NCAR
Con respecto a las precipitaciones, debemos mencionar que esta variable es la

ms difcil de todos los campos y varan de modelo a modelo asociado a la
parametrizacin de la conveccin, resolucin entre los aspectos ms importantes.
De la misma manera para el mes de agosto (mes de estiaje) se han analizado los
14 escenarios y se presenta la Fig. 38 que muestra las precipitaciones para agosto
durante el perodo comprendido entre el 2005 - 2050 para algunos modelos y
escenarios.
67

Fig. 38: Precipitacin promedio en agosto 2005 - 2050 (mm/mes) por algunos modelos de
escenarios extremos
68

De la Fig. 38 podemos inferir que todos los modelos tienen mayor habilidad de
simular la Zona de Convergencia Intertropical (ZCIT) ubicndola dentro de la
posicin habitual para esta poca, adems presentan las mximas precipitaciones
sobre la zona de Colombia, Ecuador y Venezuela.
Del anlisis de los 14 escenarios para este mes, se puede estimar que 12 de los
escenarios indican precipitaciones menores a 50 mm en la Amazona Central, 6 de
los 14 indican precipitaciones entre 50 a 100 mm sobre la zona del Altiplano, las
que estaran relacionadas a los ingresos de los sistemas frontales que se dan en
esta temporada. Sobre nuestro territorio podemos observar que las lluvias
significativas se darn en el norte del pas, caracterstica habitual.
De acuerdo a las figuras anteriores podemos afirmar que los modelos estn
caracterizando mucho mejor la estacin seca que la estacin lluviosa sobre la parte
tropical de Sudamrica.
4.5.3.3 A escala Per
Para esta seccin, se han analizado las diferencias entre los dos perodos 2005 2050 y el perodo de referencia a nivel del Per para el mes de febrero y para la
distribucin promedio anual, de acuerdo a 6 modelos y a sus escenarios extremos.
No ha sido incluido el modelo GFDL por presentar ncleos excesivos o
subjetivamente irreales de las precipitaciones en sus dos escenarios.
Debido a que los modelos tienen una baja resolucin que oscilan entre 3 y 5 no
se puede obtener muchos detalles localizados y slo se analizarn en forma
cualitativa. Asimismo, cada modelo tiene una representacin de la topografa muy
diferente a la realidad y que est de acuerdo al tipo de resolucin del modelo, la
cual influye directamente en las precipitaciones. As por ejemplo, presentamos la
Fig. 39 en la cual se muestra la topografa de dos modelos con diferentes
resoluciones T42 y T21, en la cual podemos observar cmo ambos modelos
representan de diferente forma la Cordillera de los Andes, teniendo como mxima
altura 3500 m en el modelo MPIfM, mientras en el modelo CCSR/NIES slo 1600 m
sobre Bolivia (en esta regin la altura de Cordillera llega a los 5000 msnm).
En la Fig. 40 se presenta la diferencia de la precipitacin para el mes de febrero
entre el 2005 y 2050 con respecto al perodo de referencia, para el escenario A2.
En esta figura podemos observar que no se puede distinguir una similar tendencia,
debido a las diferencias de la representacin de la topografa abrupta en los
diversos modelos.
De acuerdo a los seis modelos utilizados, podemos afirmar que 4 modelos del
escenario A2 muestran incrementos de precipitacin sobre la selva o Amazona,
los cuales estaran oscilando entre un 30 y 60%. Sobre el comportamiento de la
Sierra, los modelos tienen alta dispersin en sus resultados, debido a la topografa,
lo cual indica elevada incertidumbre en esta zona, presentando en forma general
decrementos del orden del 30% indicado por 3 modelos.
69

Fig. 39: Topografa en Sudamrica (en metros), segn los modelos MPIfM y
CCSR/NIES
70
Fig. 40: Diferencias en porcentaje de las precipitaciones febrero 2005 2050 respecto del perodo
1990 -2004. Escenario A2 (%)
71
Fig. 41: Diferencias en porcentaje de las precipitaciones febrero 2005 2050 respecto del perodo
1990 -2004. Escenario B2 (%)
72

Asimismo, dada la estrechez que tiene la costa peruana asociada a la baja

resolucin de los modelos, el comportamiento de las precipitaciones en esta zona
en la mayora de los modelos es una continuacin de la parte oriental, por lo que
los modelos presentan una gran dispersin.
En la Fig. 41 se presenta las diferencias de las precipitaciones para el mes de
febrero y el escenario B2. Similar a la figura anterior, las salidas muestran gran
dispersin, presentando 3 de los 6 modelos incrementos del 30% en la selva,
especialmente en la Zona Norte. En este escenario B2, el modelo NCAR muestra
grandes incrementos y decrementos en la Zona Norte y Sur del pas
respectivamente.
Asimismo, 3 de los 6 modelos indican un decremento de las precipitaciones del
orden del 30% en la sierra.
Para poder generalizar cual podra ser el comportamiento general, ya que slo se
han analizado 2 meses, fue necesario la confeccin de los grficos anuales. En
ese sentido se muestra la Fig. 42, la cual indica las diferencias de precipitaciones
en forma anual entre el 2005 2050 y el perodo de referencia para el escenario
A2. De dicha figura se puede observar que las anomalas tanto positivas como
negativas tienen un bajo valor numrico que se encuentra entre -15 a 30%.
En la Fig. 42 se observa que en la selva 4 de los 6 modelos indican que las
precipitaciones anuales presentarn incrementos del orden del 15%, mientras en la
sierra y costa los modelos no se ponen de acuerdo para una similar tendencia
debido a los problemas descritos anteriormente.
En la Fig. 43 se muestra las diferencias de las precipitaciones en forma anual entre
2005 - 2050 y el perodo de referencia, para el escenario B2. Con respecto a la Fig.
42, ambos escenarios tienen similares diferencias. As en la regin de la selva, 2 de
los 6 modelos indican incrementos con respecto al perodo de referencia en un
15%, mientras 3 de los modelos indican incrementos en la sierra.
En esta seccin se han analizado las precipitaciones obtenidas directamente de los
diferentes modelos para la zona de Piura. En este punto debemos tener mucho
cuidado, ya que si seleccionamos la grilla ms cercana a las localidades de inters,
no necesariamente va estar sobre la ciudad requerida, debido a las bajas
resoluciones de cada modelo y a la topografa utilizada.
La Fig. 44 muestra la topografa para la zona de Piura por los modelos MPIfM y
CCSR/NIES, en la cual podemos observar que ambos modelos tienen diferente
representacin de la Cordillera de los Andes, presentando una topografa ms
plana en el modelo de menor resolucin T21 (CCSR/NIES). La figura se realiz
haciendo variar las longitudes y manteniendo constante la latitud 5S (Piura).
73
Fig. 42: Diferencias en porcentaje de las precipitaciones anuales 2005 2050.

Escenario A2 (%)
74
Fig. 43: Diferencias en porcentaje de las precipitaciones anuales 2005 2050.

Escenario B2 (%)
75

Por lo tanto, el punto localizado para Chulucanas que los modelos nos representan,
varan de posicin y estn comprendidos en la parte oeste, el Ocano Pacfico
frente a Piura, en la parte norte, la zona del Ecuador, en la parte este, la zona de
Jan; por lo cual se notan en los diferentes valores de precipitaciones, presentando
en gran parte de los modelos valores muy altos para la zona de Chulucanas.
Fig. 44: Topografa en metros para la latitud 5S por los modelos MPIfM y CCSR/NIES
---0----0 MPIFm T42
+----+-- CCSR/NIES T21
4.5.2.3.1
Zona de Piura - Chulucanas
En este caso, se han obtenido 7 modelos de Circulacin general con sus diferentes
escenarios A y B, totalizando 18 escenarios de precipitaciones en esta zona. Del
anlisis de estos resultados podemos obtener que dentro del escenario lmite
extremo A2, el 60% de los escenarios, esto es 6 de los 10 modelos del escenario A,
indican que las precipitaciones tienen tendencia a disminuir en los prximos 50
aos, estos descensos oscilaran entre 30 a 60 mm que representa el 8 a 15% de
su valor anual, al finalizar el ao 2050. El 20%, esto es 2 de los 10 modelos, indican
que las lluvias tendrn una tendencia creciente entre 50 a 100 mm, (que representa
el 12 al 25% de su valor anual) y por ltimo el 20% de los modelos (2 de 10),
indican que las precipitaciones no tendran ningn cambio durante los prximos 50
aos.
76
Fig. 45 Escenarios de precipitacin para Piura 2000 - 2050 y su tendencia (mm/ao)
77

Para el escenario B2, cuatro de los ocho modelos del escenario B, indican que las
precipitaciones incrementarn en promedio 80 mm (20 % de su valor anual) al
finalizar el ao 2050, mientras el 37.5% de los modelos (3 de 8) indican que las
precipitaciones disminuirn unos 100 mm (25% de su valor anual) y finalmente el
12.5% de los modelos (1 de 8) estiman que las precipitaciones no cambiaran en
este perodo.
Por otro lado, es necesario indicar que los descensos estimados durante los
prximos 50 aos en el escenario A2 son menores comparados con el escenario
B2 mientras que los ascensos en ambos escenarios son muy similares.
En el escenario A2 todos los modelos sugieren decrecimiento de las precipitaciones
pero debe ser tomado con mucha cautela debido a que la tendencia actual de los
datos observados indican tendencia creciente; mientras que en el escenario B2, no
hay una tendencia muy definida.
La Fig. 45 muestra los escenarios de precipitaciones del modelo MPIfM en la que
se observa una tendencia ascendente de las precipitaciones para los prximos 50
aos y se muestra este modelo ya que fue el nico cuyos resultados para esta zona
estn de acuerdo a los valores numricos observados. Este modelo, ubica a
Chulucanas sobre el Pacfico, por lo que las cantidades de precipitaciones son
ms realistas, comparadas con los otros modelos.
En resumen:
Para el anlisis de la precipitacin en el perodo simulado, es recomendable

recurrir a la metodologa de estimacin estadstica debido a la alta dispersin
de los resultados, lo cual genera valores de incertidumbre muy altos.
A nivel regional, el 36% de los modelos MCG indican ncleos de mximas

precipitaciones sobre el Altiplano y con un 50% de los modelos indican otro
ncleo de precipitaciones mximas en la amazona norte, mientras un 14 %
indican ambos mximos de precipitaciones durante febrero.
Aparentemente, basndonos en nuestros conocimientos sinpticos de

Sudamrica, las simulaciones de los MCG de la posicin de la Zona de
Convergencia Intertropical (ZCIT) para agosto es mejor que para febrero en
promedio.
A nivel nacional, durante el mes lluvioso de febrero, las simulaciones basadas

en ambos escenarios de emisiones (A2 y B2), indican para la selva,
precipitaciones por encima de sus promedios entre 30% y 60%, con un 66% a
50% de los modelos en los escenarios A2 y B2 respectivamente. Dada la
baja resolucin de los modelos hay mucha dispersin sobre la sierra y costa.
En el comportamiento anual ambos escenarios indican incrementos de las

precipitaciones del orden del 15% especialmente para la selva.
78

Captulo V: Regionalizacin Dinmica
CAPITULO V -
REGIONALIZACIN DINMICA
5.1
METODOLOGA
5.1.1
Datos Preliminares
Los datos usados en la regionalizacin de escenarios climticos en el Per fueron

generados por la National Center for Atmospheric Research (NCAR), segn los
escenarios de emisin proyectados en el IEEE del IPCC (ver mas detalle en
Captulo II). Dos escenarios son regionalizados en este reporte; los escenarios son
llamados A2 y B2, correspondiendo a un estado de alta y baja emisin de GEI
respectivamente. [El lector debe saber que para realizar la regionalizacin
dinmica, era necesario contar con informacin proyectada en formatos de cada
seis horas, lo cual slo fue posible obtener del modelo arriba mencionado]
La informacin del NCAR describe los escenarios del sistema climtico futuro de la
Tierra, estos datos proporcionados al Centro de Prediccin Numrica (CPN) del
SENAMHI, estn disponibles como archivos temporales con una frecuencia diaria
entre el perodo 2000-2020 y de 6 horas entre el perodo 1983-2000. Esta
informacin fue usada para generar las condiciones iniciales y de frontera de un
modelo regional climtico.
El modelo usado por NCAR para la generacin de escenarios globales, es el
Community Climate System Model (CCSM), el cual est basado en una estructura
que divide el sistema climtico en modelos componentes conectados por un
acoplador, donde CCSM es un acoplador de modelos individuales que describen el
comportamiento del ocano, atmsfera, suelo y agua-hielo. As por ejemplo, para la
atmsfera se usa el modelo CAM (Community Atmosphere Model).
En el caso usual, el acoplamiento entre un modelo global (como el de NCAR) y un
modelo regional es llevado a cabo estableciendo las variables estado del modelo
(vientos, temperatura, densidad y humedad) en los puntos grilla a lo largo del las
fronteras laterales del modelo regional, y en las grillas internas del modelo al inicio
del tiempo de simulacin. Para la simulacin descrita aqu, el grupo usual de
condiciones de frontera de atmsfera del modelo de larga escala no estuvieron
disponibles. Especficamente, la altura geopotencial en los niveles verticales del
modelo de la atmsfera (estos datos, junto a la temperatura, proporcionan la
densidad de informacin requerida), fue aproximada por extrapolacin hacia arriba
(y hacia abajo) de la elevacin de superficie conocida y la temperatura cerca de la
superficie usando la ecuacin hidrosttica (relacionando temperatura y cambios de
presin en la vertical) con una razn de cambio de temperatura asumido en la
vertical. Junto a la temperatura y presin conocida en la superficie del modelo,
permite el clculo de las alturas de la superficie vertical. El mtodo descrito es una
aproximacin, pero una necesidad para la disponibilidad de datos.
5.1.2
Simulacin Regional
El modelo regional usado en estos experimentos fue el Regional Atmosphere

Modeling System (RAMS) versin 4.4. El RAMS, originalmente desarrollado en
Colorado State University (Pielke et al. 1992), es un modelo tridimensional, nohidrosttico, con capacidad para anidamientos de dominios, ofrece varios
esquemas de turbulencia, radiacin, inicializacin y condiciones de frontera.
79

En esta simulacin se definieron dos dominios de integracin: el primero con una

resolucin de 60 kilmetros, que cubre todo el Per, y el segundo anidado (9)
definido en toda la extensin de la Cuenca del Ro Piura, con una resolucin de 20
kilmetros (ver Fig. 46).
El anidamiento es una tcnica que aumenta la resolucin de la simulacin en un
rea de inters, que para nuestro estudio es la Cuenca del Ro Piura. Este
anidamiento es en dos direcciones, esto significa que los cambios en la atmsfera
por efectos de orografa o por esquemas de parametrizacin son transmitidos del
dominio anidado al domino madre.
Fig. 46: Representacin de los dominios de simulacin. El rea mayor es el

dominio madre (Per, 60 Km) y el rea sombreada es el anidado (Piura, 20 Km.)
El perodo de simulacin del modelo es de 1983 al 2020, siendo el model timestep

o paso de tiempo de 50 segundos. Esto significa hacer una integracin (10) de las
ecuaciones gobernantes (11) de la atmsfera cada 50 segundos. Por tanto, el
nmero total de integraciones en este perodo de simulacin es aproximadamente
1198368000, esto slo para cada uno de los puntos de grilla del dominio. Al
dominio de Per le corresponde un arreglo de 47 x 47 y para Piura una grilla de 50
x 35 en la horizontal y 30 niveles en la vertical.
Existen dos maneras generales de proceder con una simulacin extendida. En un
caso, la simulacin extendida es conducida por simple actualizacin de las
forzantes laterales con datos del modelo de larga escala. La circulacin interior y
las condiciones superficiales de suelo evolucionan libremente. Alternativamente, en
9
El trmino anidado se usa para definir una regin dentro de otra

La integracin se realiza al resolver una ecuacin diferencial
11
Sistema de ecuaciones diferenciales que rigen la dinmica de un fluido geofsico.
10
80

un segundo caso el modelo regional puede hacer la integracin numrica en grupos

de sub-simulaciones en el cual las variables internas del modelo RAMS (dentro
del dominio) son peridicamente re-inicializadas, estas variables internas pueden
incluir condiciones de superficie y humedad de suelo.
En esta simulacin particular se escogi la segunda opcin, establecindose los
siguientes esquemas de acoplamiento entre el modelo de larga escala y el modelo
regional:
Cada 10 das los dominios de 60 y 20 km del modelo regional fueron

reinicializados en las grillas internas y en la frontera con condiciones de
atmsfera y suelo del modelo global de NCAR. (En la atmsfera, los datos de
altura geopotencial fueron aproximados como se indica en item 5.1.1). Los
datos de temperatura superficial del mar (TSM) fueron inicializados de los
valores climticos estndar de RAMS, los que provienen de una base de datos
mensuales del globo en formato grillado. La humedad de suelo fue inicializada
usando un esquema similar (manual de RAMS p. 34), el cual usa la condicin
inicial (temperatura, humedad) de atmsfera (i.e. del modelo de larga escala)
para inicializar los perfiles de humedad de suelo.
El dominio madre (60 km) del modelo regional fue corrido por 10 das usando
condiciones de frontera laterales del modelo de gran escala con la
aproximacin acotada en item 5.1.1. La humedad de suelo evolucion
libremente durante los 10 das y la TSM permaneci fija desde el inicio al fin de
este perodo.
Cada 10 das el dominio anidado (20 km) del modelo fue re-inicializado de la
misma manera que el dominio madre, y el tiempo de integracin para los
siguientes 10 das usando condiciones de frontera del dominio madre del
modelo regional.
El esquema de acoplamiento definido es coherente con los fines de simulacin

requeridos, pero debido a que las condiciones atmosfricas globales que
alimentarn la regionalizacin climtica no son reales, algunos posibles problemas
pueden definirse, entre los cuales se puede resaltar la continuidad del acoplamiento
de la TSM, la re-inicializacin de la humedad del suelo y los choques de la reinicializacin atmosfrica.
Si el dominio del modelo regional incluye ocano, es usual usar la TSM del modelo
global en el modelo regional. En esta simulacin, la temperatura superficial del mar
del modelo regional estuvo fija, con valores apropiados para la ltima mitad del
siglo XX. Una evaluacin de los cambios de TSM a lo largo de la costa de Ecuador
y la Costa Norte del Per, como aparecen en los escenarios climticos, sugiere
consistentemente incrementos en TSM del orden de 0.3C durante el perodo 20002020. Asumiendo que esto es real, implica que el contenido de humedad cercano a
la superficie podra ser pequeo tambin hacia el final de la simulacin, resultando
posiblemente en un ligero sesgo en simulacin de precipitacin.
La re-inicializacin de la humedad de suelo del modelo regional calculado en base
a las condiciones iniciales del modelo de larga escala, representa una aproximacin
poco usual. Pudo haber sido mejor transportar de manera continua los datos de
humedad de suelo hacia el fin de la simulacin. Sin embargo, se puede esperar que
los cambios en las condiciones de larga escala (MCG) sean reflejados en la reinicializacin de la humedad de suelo en el modelo regional.
81

El esquema de re-inicializacin de los dominios internos del modelo regional con

condiciones de larga escala cada 10 das, produce significativas perturbaciones
debido a este acople en la inicializacin, las que afectan los primeros 1-2 das para
cada 10 das de perodo. Los datos de este perodo spin-up fueron removidos de
los resultados. El efecto de este acoplamiento perturbado est siendo evaluado por
el Centro de Prediccin Numrica del SENAMHI. Un mtodo sugerido a futuro
podra ser permitir la evolucin continua de la circulacin del modelo regional. No
hay garanta que este mtodo produzca aceptables resultados. Alternativamente,
un perodo de tiempo mas largo podra probablemente ser usado entre reinicializacin con los datos de un apropiado modelo de spin-up removido.
5.1.3 Variables Analizadas
Se presenta la simulacin de escenarios regionales de dos variables: precipitacin
y temperatura (mxima, mnima y media). Las cartas son mostradas en
quinquenios, las que se definen en seis perodos de anlisis, los que corresponden
a los aos: 2006-2010, 2011-2025, 2016-2020, 2021-2025, 2026-2030, y 20312035. Los quinquenios son agrupados en frecuencias estacionales que a su vez se
agrupan en: diciembre, enero y febrero (DEF); marzo, abril y mayo (MAM), junio,
julio y agosto (JJA) y setiembre, octubre y noviembre (SON). El anlisis se realiz
para las variables mencionadas en el perodo descrito anteriormente. Se elimina el
BIAS del modelo con la siguiente relacin:
MAP = VARSCENR VARCLIM + CLIMOBS
Donde: MAP es el mapa presentado, VARSCENR es el escenario como sale del
modelo, es decir, sin procesamiento, VARCLIM es la climatologa del modelo
RAMS en una simulacin durante el perodo 1983-2003 y CLIMOBS es la
climatologa observada de estaciones en la cuenca del ro Piura. La climatologa
observada para la precipitacin se calcul con las estaciones de la tabla 10 y la
climatologa observada para la temperatura con las estaciones de la tabla 11.
Tabla 10: Estaciones en la Cuenca del Ro Piura con informacin de precipitacin
Estacin
Bernal
Chilaco
Chalaco
Chulucanas
Chusis
Frias
Hcda. Bigote
Hcda.Schumaya
Huancabamba
Huarmaca
La Esperanza
Lambayeque
Mallares
Miraflores
Morropon
Coordenadas Geogrficas
(grados y minutos)
Longitud
Latitud
80,45
5,38
80,30
4,42
79,50
5,02
80,09
5,06
80,50
5,31
79,51
4,56
79,49
5,20
79,21
5,22
79,27
5,15
79,31
5,34
81,04
4,55
79,55
6,42
80,44
4,51
80,37
5,10
79,59
5,11
82
Coordenadas
UTM
Este
Norte
528610,6800
9396382,6300
555421,4852
9480446,5635
629301,5296
9443504,9041
592722,2800
9436830,5800
518429,7609
9390190,4628
627472,9159
9454564,2309
634781,5207
9410325,6539
682798,3258
9406527,8387
660662,4235
9419484,2232
664271,9517
9384459,7378
492578,0378
9456516,2037
619737,0600
9259282,8100
529537,0904
9463879,9020
542452,8040
9428869,1398
612645,0352
9426949,2896

Motupe
Olmos
Paita
Porculla
San Miguel
San Pedro
Santo Domingo
Sapillica
Sondorillo
Tuluce
El Virrey
79,44
79,43
81,08
79,31
80,41
80,02
79,53
79,59
79,28
79,22
79,59
6,09
5,59
5,05
5,50
5,14
5,05
5,02
4,47
5,20
5,24
5,32
640122,9185
640717,2677
485191,2845
665363,1048
535060,5547
607119,7547
623758,0053
612713,1902
677266,2014
680916,3667
612580,9241
9320017,4037
9337492,2247
9434407,3282
9354262,7803
9421503,7755
9438013,4052
9443514,5948
9471171,5593
9410228,5820
9393631,2420
9388254,3618
Tabla 11: Estaciones en la Cuenca del Ro Piura con informacin de temperatura
Estacin
Arenales
Bayovar
Chilaco
Chulucanas
Chusis
Cruceta
Curvan
El Tablazo
Sasape
Hcda Pabur
Hda. Yapatera
Huancabamba
Huarmaca
La Esperanza
Lambayeque
Miraflores
Montegrande
Morrote
Morropon
Motupe
Olmos
San Miguel
Tejedores
Coordenadas geogrficas
(grados y minutos)
Longitud
Latitud
79,51
4,55
81,01
4,49
80,30
4,42
80,09
5,06
80,50
5,31
80,16
4,52
80,18
4,57
80,29
4,53
79,54
6,29
80,02
5,13
80,08
5,04
79,27
5,15
79,31
5,34
81,04
4,55
79,55
6,42
80,37
5,10
80,44
5,10
80,01
6,32
79,59
5,11
79,44
6,09
79,43
5,59
80,41
5,14
80,14
4,43
Coordenadas
UTM
Este
Norte
627476,0911
9456406,9395
498121,1719
9467570,3557
555421,4852
9480446,5635
592722,2800
9436830,5800
518429,7609
9390190,4628
581280,8272
9461999,3647
577574,9587
9452791,0163
559102,7316
9460177,7372
621632,1900
9283234,3900
607097,4340
9423272,8331
596036,7962
9439871,6749
660662,4235
9419484,2232
664271,9517
9384459,7378
492578,0378
9456516,2037
619737,0600
9259282,8100
542452,8040
9428869,1398
533207,3666
9408608,1962
608719,7300
9277732,8600
612645,0352
9426949,2896
640122,9185
9320017,4037
640717,2677
9337492,2247
535060,5547
9421503,7755
584991,4472
9474892,4147
Adicionalmente, se presentan mapas de tendencia para precipitacin y temperatura

(mxima, media, y mnima). Las tendencias se presentan en tres perodos: 20042020, 2021-2035, y 2004-2035, la cual se calcula de la pendiente de una regresin
lineal de una grafica de la variable en cuestin versus el tiempo, el mtodo usado
para la regresin lineal es mnimos cuadrados. La tendencia de precipitacin es
presentada como porcentaje de su normal, y la tendencia de la temperatura en
grados centgrados por aos, el cual depender del perodo (2004-2020, 20212035, o 2004-2035).
83

5.2 RESULTADOS
5.2.1
Anlisis de la informacin histrica
5.2.1.1 Tendencia Histrica de la Precipitacin

Bajo Piura
Es bastante difcil hablar de tendencia de las precipitaciones en esta zona, debido a
que normalmente esta rea es bastante desrtica con precipitaciones ligeras en los
meses de verano, las que algunas veces se magnifican cuando estn asociadas a
los efectos del fenmeno El Nio, todo esto se deduce de los anlisis hechos en
todas las estaciones meteorolgicas ubicadas en esta zona. En las ltimas dos
dcadas se ha tenido una mayor frecuencia de Fenmenos El Nio de
caractersticas extraordinarias a moderadas, los cuales han inducido
precipitaciones extremadamente fuertes y por lo tanto han sesgado la lnea de
tendencia hacia el lado positivo, tal como puede verse en la Fig. 47, en la que se
presenta la variacin temporal de las precipitaciones en los 4 trimestres del ao
para Chusis.
En los trimestres DEF y MAM puede notarse ese sesgo de la tendencia; por otro
lado en el trimestre JJA la tendencia es decreciente y tambin est sesgada debido
a que el Nio 1982-83 mantuvo lluvias fuertes hasta junio, influenciando la lnea de
tendencia en toda la zona (Fig. 47). De la informacin observada, el trimestre SON
muestra tendencia decreciente y puede verse claramente que las lluvias o lloviznas
ligeras de primavera han ido cada ao decreciendo ligeramente entre 0.7 a 1mm/10
aos.
Cuenca Media
Esta rea, al igual que la zona baja, est influenciada en gran parte por los eventos
El Nio por lo que la tendencia parcialmente se encuentra sesgada por este efecto.
De la evaluacin de estaciones ubicadas en esta zona de la cuenca del Piura
podemos observar tres puntos importantes:
Los trimestres lluviosos de DEF y MAM presentan lluvias que no estn
relacionadas a los eventos Nio y que son de magnitud parecida a las
lluvias con efecto de El Nio.
Los aos consecutivos de deficiencia de lluvias en los ltimos aos ha
decrecido alternando rpidamente con perodos lluviosos, especialmente
en el trimestre DEF.
Comparando ambos Nios 1982/83 y 1997/98 de extraordinaria intensidad,
en el trimestre DEF las cantidades de lluvia fueron superiores en toda la
zona en el Nio 1997/98, mientras en el trimestre MAM las lluvias fueron
superiores en el Nio 1982/83.
En la misma Fig. 47 se muestra la distribucin temporal de la lluvia en los 4
trimestres del ao para la estacin Hacienda Bigote. En dicha figura podemos
observar los tres puntos anteriormente descritos; as en el trimestre DEF se
muestra que entre los aos 1975 a 1985 hubo perodos consecutivos de 5 y 3 aos
84

de deficiencia de lluvias, mientras que a partir de 1985 hasta la actualidad este

perodo se redujo a 1 2 aos.
De otro lado, en ambos trimestres lluviosos DEF y MAM se presentaron lluvias que
totalizaron cantidades muy similares a las ocurridas en los eventos de Nios
Moderados, tal como se observa para Hacienda Bigote en el trimestre DEF en los
aos 1989/90, 1999/2000 y 2000/2001 y en trimestre MAM en los aos 1989, 1999,
2000 y 2001.
En el trimestre JJA las lluvias son insignificantes, pero puede observarse el efecto
que tuvo todava en este trimestre El Nio 1982/83 en todas las estaciones
ubicadas en esta zona. Finalmente en el perodo SON, que corresponde al
trimestre con pocas lluvias y de acuerdo a la informacin evaluada, no se observa
una clara tendencia de las precipitaciones ya que predominan las condiciones
locales como la topografia.
Cuenca Alta
Esta zona hasta aproximadamente los 600 m de altitud, tiene an una marcada
influencia de los eventos El Nio en lo que se refiere a distribucin e intensidad de
la precipitacin; no obstante, en las localidades superiores a este nivel en promedio
se puede observar que las precipitaciones registradas en los trimestres ms
lluviosos DEF y MAM, las lluvias asociadas a los eventos El Nio no juegan un
papel principal.
De las estaciones meteorolgicas ubicadas en esta zona podemos apreciar una
tendencia de incremento de las lluvias las que han sido mas frecuentes a partir de
la dcada del 90 hasta la actualidad. En la Fig. 47, que muestra la distribucin
temporal de las lluvias en Sapillica se observa esta tendencia ascendente de las
lluvias; asimismo se puede notar que en el trimestre DEF las lluvias asociadas a
eventos Nio no han sido significativas, presentando lluvias de mayor intensidad en
otros aos que no guardan relacin con eventos El Nio como el 83/84, 89/90,
94/95 y 98/99. Estas lluvias ocurridas en los ltimos 20 aos pueden deberse al
calentamiento atmosfrico que est teniendo la zona del Bajo Piura y Zona Media
y que es observable en las temperaturas extremas ya descritas anteriormente, por
lo que el aire de la brisa marina y de montaa se encuentran ms inestables y
rpidamente puede condensarse y precipitar al ascender por la cordillera.
En el trimestre MAM las lluvias son afectadas por los eventos El Nio, presentando
cantidades superiores a sus valores medios en gran parte de esta zona, asimismo
se nota un efecto de los Nios de moderada intensidad como fue el perodo clido
de 1991 al 1994.
Por otro lado, en ambos trimestres podemos notar un decrecimiento paulatino de
las precipitaciones a partir del ao 1999 hasta la actualidad.
Asimismo, de los anlisis de las estaciones Sapillica y Chalaco para el trimestre
JJA, se observa que no muestran un comportamiento similar; as, en la Fig. 47 se
observa la tendencia ligeramente decreciente en Sapillica a diferencia de Chalaco
el cual present una tendencia estacionaria (no se muestra), mientras que el
trimestre SON presenta ligera tendencia positiva que en parte es debida a los
eventos lluviosos del ao 1997 ocurridos en la primavera, esto es, lluvias en preNio asociadas a la componente de aire clido y hmedo proveniente del ocano.
85

Cuenca Baja
Chusis
5.2S - 80.8W 4 msnm
300.0
Cuenca Media
Hacienda Bigote
5.3S 79.8W 200 msnm
Cuenca Alta
Sapillica
4.8S - 80.0W 1456 msnm
1400.0
2000.0
1200.0
1800.0
DEF
Precipitacin (mm)
98':815 m m /trim .
250.0
1600.0
1000.0
150.0
1000.0
600.0
800.0
100.0
400.0
50.0
200.0
0.0
0.0
600.0
400.0
200.0
300.0
MAM
1200.0
800.0
*83':509 m m /trim .
250.0
0.0
1963 1968 1973 1978 1983 1988 1993 1998
1963 1969 1975 1981 1988 1994 2000
Precipitacin (mm)
1400.0
200.0
1400.0
2000.0
1200.0
1800.0
1600.0
1000.0
1400.0
200.0
1200.0
800.0
150.0
1000.0
600.0
800.0
100.0
600.0
400.0
400.0
50.0
200.0
0.0
0.0
1963 1968 1973 1978 1983 1989 1994 1999
200.0
0.0
80.0
*83':96 m m /trim .
JJA
Precipitacin (mm)
*83':39 m m /trim .
15.0
15.0
10.0
10.0
5.0
5.0
0.0
0.0
70.0
60.0
50.0
40.0
30.0
20.0
10.0
1963 1968 1973 1978 1983 1989 1994 1999
20.0
SON
1963 1969 1975 1981 1987 1993 1999
1963 1968 1973 1978 1983 1988 1993 1998
20.0
20.0
Precipitacin (mm)
1963 1969 1975 1981 1987 1993 1999
15.0
0.0
1963 1968 1973 1978 1983 1988 1993 1998
20.0
180.0
18.0
160.0
16.0
140.0
14.0
120.0
12.0
10.0
100.0
10.0
80.0
8.0
60.0
6.0
5.0
0.0
1963 1968 1973 1978 1983 1989 1994 1999
1963 1968 1973 1978 1983 1988 1993 1998 2003
4.0
40.0
2.0
20.0
0.0
0.0
1963 1968 1973 1978 1983 1988 1993 1998
1963 1968 1973 1978 1983 1988 1993 1998 2003
Fig. 47 Precipitacin histrica durante los trimestres DEF, MAM, JJA y SON en estaciones
representativas de la Cuenca del ro Piura
86

En resumen:
En el Bajo Piura y Cuenca Media, las precipitaciones en los trimestres DEF y

MAM estn fuertemente ligados a los eventos El Nio, principalmente en las
inmediaciones de Tambogrande y Chulucanas en donde suelen ocurrir los
mximos de precipitaciones acumuladas durante eventos extraordinarios de El
Nio.
En el Bajo Piura, en el trimestre SON correspondiente a la estacin de

primavera se observa una tendencia a la disminucin de las precipitaciones.
En la Cuenca Media y Cuenca Alta del Ro Piura, se puede observar que en los
trimestres DEF y MAM vienen presentndose lluvias de magnitudes similares o
superiores a las de El Nio.
En la Cuenca Alta, la influencia de los eventos El Nio es notaria en el trimestre

MAM.
Se observa una tendencia positiva de la precipitacin en la Cuenca Alta; no

obstante, puede observarse en los ltimos aos (a partir de 1999) que las
lluvias han ido decreciendo paulatinamente.
En el perodo de inicio de lluvias, trimestre SON, puede observarse claramente

lluvias intensas en la Cuenca Alta, probablemente debido a que el mar
adyacente a Piura estuvo caliente por lo que pudo haber contribuido con lluvias
moderadas en ese trimestre, tal como el ao 1993 y 1997.
87

5.2.1.2
Tendencia Histrica de la Temperatura Mxima

Bajo Piura
De las estaciones Chusis, Miraflores y San Miguel, analizadas en toda esta zona,
se puede observar que la temperatura mxima tiene tendencia ascendente en gran
parte de los trimestres del ao, a excepcin del trimestre JJA, el cual se ha
presentado casi estacionario en ms de 30 aos sobre la zona baja de la cuenca.
En la Figura 48 se observa la variacin temporal de la temperatura mxima en la
estacin Chusis, representativa de la zona baja con una clara tendencia positiva de
alrededor 1C/39 aos en el trimestre SON, el cual es el trimestre que presenta los
mayores incrementos en la regin. La estacin Miraflores registra incrementos
menores de hasta 0.5C/39 aos para SON (no se muestra). Los menores
incrementos de la tendencia positiva se dan en el trimestre DEF con 0.4C/39 aos
en Chusis y 0.3 C/33 aos en Miraflores mientras en San Miguel presentan una
tendencia estacionaria en casi todo el ao, estas estaciones no son mostradas en
grficos.
Cuenca Media
En esta zona no se cuenta con estaciones meteorolgicas especialmente ubicadas
en las cuencas de inters que tengan suficiente rcord histrico; algunas de ellas
como la estacin de Curvan slo posee informacin hasta 1975, as como la
estacin El Tablazo. Cabe mencionar que hemos utilizado estaciones
meteorolgicas que superan la dcada del 70 debido a que en algunas zonas se ha
mostrado un cambio brusco de sus temperaturas en esta dcada. Por esta razn
fueron utilizadas para el anlisis respectivo las estaciones de Chulucanas y
Morropn, ubicadas sobre esta zona. En la misma figura 48 se puede observar el
comportamiento temporal a travs de todo el ao en la estacin Morropn, el cual
presenta una tendencia ascendente en todos los trimestres del ao a excepcin del
trimestre MAM en la que hay una tendencia estacionaria a travs del tiempo; el
mayor incremento fue de 1.0C/39 aos en los trimestres JJA y SON y el menor
incremento en el trimestre DEF con 0.3C/39 aos. En Chulucanas se presenta un
comportamiento similar con un incremento de esta variable en casi todos los
trimestres del ao a excepcin de DEF que tiene una tendencia decreciente de
0.3C/31 aos. Dicha estacin registra un incremento ligeramente mayor con
respecto a Morropn en el trimestre SON con 1.2C/31 aos y el menor incremento
en MAM con 0.6C/31 aos, cuyos grficos no se muestran.
Cuenca Alta
En dicha zona contamos con dos estaciones: la de Arenales que tiene informacin
hasta el ao 1991 y que puede representar a la cuenca alta del Yapatera, y la de
Huarmaca, la cual es una estacin operativa hasta la actualidad y que tambin
representa la parte alta de la Cuenca del ro Piura. En la misma Figura 48 se
muestra la variacin temporal de la temperatura mxima en Huarmaca as como la
tendencia marcadamente ascendente en todos los trimestres del ao, con
incrementos entre 1.5 a 2.0C/30 aos. Mientras que en Arenales el mayor
incremento fue de 0.7C/18 aos en JJA y el menor incremento de 0.2C/18 aos
en el trimestre SON.
88

Cuenca Baja
Chusis
5.2S - 80.8W 4 msnm
Cuenca Media
Morropn
5.1S - 80.2W 140 msnm
33.0
35.0
32.0
34.0
31.0
33.0
Cuenca Alta
Huarmaca
5.6S - 79.5W 2180 msnm
22.0
DEF
Temperatura (C)
21.0
19.0
18.0
17.0
30.0
32.0
16.0
29.0
MAM
Temperatura (C)
33.0
JJA
35.0
22.0
34.0
21.0
1976 1980 1984
1988 1992
1996 2000
33.0
20.0
31.0
32.0
19.0
31.0
30.0
18.0
30.0
29.0
33.0
Temperatura (C)
1972
1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003
32.0
1963 1968 1973 1978 1983 1989 1994 1999
17.0
29.0
1972 1976 1980 1984 1988 1992 1996 2000
1963 1969 1975 1981 1987 1993 1999
32.0
23.0
32.0
31.0
22.0
31.0
30.0
21.0
29.0
30.0
28.0
20.0
27.0
26.0
29.0
19.0
25.0
24.0
1963 1968 1973 1978 1983 1989 1994 1999
SON
15.0
31.0
1963 1968 1973 1978 1983 1989 1994 1999
Temperatura (C)
20.0
28.0
18.0
1963 1968 1973 1978 1983 1988 1993 1998 2003
31.0
35.0
30.0
34.0
29.0
33.0
28.0
32.0
27.0
31.0
26.0
30.0
25.0
29.0
1972
1976
1980 1984
1988 1992
1996
2000
22.0
21.0
20.0
19.0
1963 1968 1973 1978 1983 1989 1994 1999
18.0
17.0
1963 1969 1975 1981 1987 1993 1999
1972 1975 1978 1981 1984 1987 1990 1993 1996 1999 2002
Fig. 48: Temperatura Mxima Histrica durante los trimestres DEF, MAM, JJA y SON en
estaciones representativas de la Cuenca del ro Piura
89

5.2.1.3 Tendencia Histrica de la Temperatura Media

Bajo Piura
De acuerdo a la informacin histrica de la estaciones Chusis, Miraflores y San
Miguel, se observan incrementos de la temperatura media en todos los trimestres
del ao para esta zona. As, en la figura 49, que muestra la variacin trimestral de
la temperatura media para la estacin de Chusis se observa que los mayores
incrementos se dieron en los trimestres DEF y SON con aproximadamente
1.0C/39 aos y el menor incremento en el trimestre JJA con 0.6C/39 aos. En
San Miguel y Miraflores, el mayor incremento slo se ha dado en el trimestre MAM
con 1.2C/30 aos y 0.9C/33 aos respectivamente. Mientras que los menores
incrementos fueron 0.5/30 aos en el trimestre DEF en San Miguel y de 0.1C/33
aos en Miraflores en el trimestre JJA, similar a Chusis.
Cuenca Media
Se muestra incrementos en todos los trimestres del ao, segn el anlisis de las
estaciones Morropn y Chulucanas, representativas de la zona media. En la misma
Figura 49 se muestra la variacin temporal de esta variable en la estacin de
Morropn, con el mayor incremento en el trimestre SON con 1.5C/39 aos
mientras que los menores incrementos fueron en MAM y en JJA con 0.6C/39 aos.
En Chulucanas los incrementos fueron menores comparados con Morropn, as en
Chulucanas el mayor incremento fue en MAM con 0.5C/31 aos, mientras que los
menores incrementos se dieron en DEF y JJA con 0.2C/31 aos.
Cuenca Alta
Segn el anlisis de las estaciones de Huarmaca y Arenales, ubicadas sobre la
zona alta de la cuenca, la temperatura media tambin tuvo un ascenso en los
ltimos 30 aos aproximadamente. En la misma Figura 49 se muestra la variacin
temporal de esta variable en Huarmaca, con incrementos de hasta 1.5 C/30 aos
en el trimestre JJA y de 0.6 C/30 aos en SON. En Arenales el mayor incremento
fue de 0.6 C/18 aos en los trimestres DEF y JJA mientras que en SON el
incremento mnimo fue de 0.2C/18 aos.
90

Cuenca Baja
Chusis
5.2S - 80.8W 4 msnm
DEF
Temperatura (C)
29.0
29.0
15.0
26.0
27.0
14.0
25.0
26.0
13.0
24.0
23.0
MAM
Temperatura (C)
28.0
1972 1976 1980 1984 1988 1992 1996 2000
1973 1977 1981 1985 1989 1993 1997 2001
29.0
17.0
28.0
16.0
27.0
27.0
15.0
26.0
26.0
25.0
14.0
25.0
24.0
13.0
24.0
23.0
29.0
1973
1977 1981
1985 1989
1972 1976 1980 1984 1988 1992 1996 2000
1993 1997 2001
19.0
29.0
28.0
JJA
12.0
25.0
1963 1968 1973 1978 1983 1989 1994 1999
Temperatura (C)
16.0
28.0
27.0
29.0
28.0
27.0
18.0
27.0
26.0
25.0
26.0
24.0
25.0
23.0
24.0
17.0
16.0
22.0
23.0
21.0
15.0
22.0
20.0
21.0
19.0
1963 1967 1971 1975 1979 1983 1988 1992 1996 2000
27.0
26.0
SON
Cuenca Alta
Huarmaca
5.6S - 79.5W 2180 msnm
17.0
28.0
1963 1968 1973 1978 1983 1989 1994 1999
Temperatura (C)
Cuenca Media
Morropn
5.1S - 80.2W 140 msnm
14.0
1973 1977 1981 1985 1989 1993 1997 2001
27.0
17.0
26.0
25.0
24.0
23.0
1972 1975 1978 1981 1984 1987 1990 1993 1996 1999 2002
16.0
25.0
24.0
15.0
22.0
23.0
21.0
14.0
20.0
22.0
19.0
21.0
1963 1968 1973 1978 1983 1989 1994 1999
1973 1978
13.0
1983 1988 1993
1998 2003
1972 1976 1980 1984 1988 1992 1996 2000
Fig. 49: Temperatura media histrica durante los trimestres DEF, MAM, JJA y SON en
91

5.2.1.4 Tendencia Histrica de la Temperatura Mnima

Bajo Piura
En toda la zona y en todo el ao las temperaturas mnimas se han incrementado
en un grado en promedio durante las ltimas dcadas especialmente desde la
dcada del 70, segn el anlisis de las estaciones Chusis, Miraflores y San Miguel,
a excepcin de una ligera tendencia decreciente de 0.3C/30 aos en San Miguel
en el trimestre JJA. Se puede observar en la figura 50, que muestra la variacin
trimestral de las temperaturas mnimas para Chusis, la tendencia ascendente de
esta variable y que representa los mayores valores de ascenso del Bajo Piura; as,
en el trimestre DEF registr un incremento de 1.9C/39 aos mientras que en JJA
present un incremento de 1.0C/39 aos. En Miraflores los menores incrementos
se dieron en DEF y JJA con 0.8C/33 aos, mientras los mayores ascensos se
dieron en MAM y SON con 1.0/33 aos. En San Miguel el menor incremento fue
en DEF con 0.2C/30 aos y el mayor fue de 0.6C/30 aos en el trimestre MAM.
Cuenca Media
De acuerdo a la informacin histrica de las estaciones consideradas, podemos
observar un comportamiento diferente entre ellas: mientras en Chulucanas puede
observarse tendencia ligeramente descendente entre 0.1 a 0.2C/31 aos en todos
trimestres del ao, en Morropn la tendencia es ascendente con un incremento de
0.8C/39 aos en promedio. En la misma Figura 50 se muestra la variacin
temporal de esta variable en Morropn, en la cual observamos que la mayor
tendencia positiva se presenta en el trimestre SON con 1.1 C/39 aos y el menor
incremento en DEF con 0.4 C/39 aos. Se han evaluado otras estaciones
cercanas que no cuentan con un suficiente registro histrico, las cuales no han
permitido establecer un patrn respecto a las tendencias en la Cuenca Media.
Podemos asumir por lo tanto que, en general, estn predominando las condiciones
locales, por lo que no tenemos suficientes argumentos para definir la tendencia de
esta zona.
Cuenca Alta
La temperatura mnima muestra un comportamiento ascendente en todo el ao,
segn las estaciones analizadas de Huarmaca y Arenales. En la Figura 50 se
muestra la variacin temporal de esta variable en Huarmaca, en donde el mayor
incremento fue de 1.2C/30 aos en DEF y MAM y el menor incremento fue de 0.7
C/30 aos en JJA y SON. En Arenales el mayor incremento fue de 1.4C/18 aos
en JJA y el menor incremento fue en el trimestre DEF con 0.6C/18 aos.
92

Cuenca Baja
Chusis
5.2S - 80.8W 4 msnm
Cuenca Media
Morropn
5.1S - 80.2W 140 msnm
24.0
26.0
Cuenca Alta
Huarmaca
5.6S - 79.5W 2180 msnm
14.0
25.0
DEF
Temperatura (C)
23.0
24.0
13.0
23.0
22.0
12.0
22.0
21.0
21.0
11.0
20.0
20.0
19.0
18.0
10.0
19.0
1963 1968 1973 1978 1983 1989 1994 1999
26.0
1973 1977 1981 1985 1989 1993 1997 2001
1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003
24.0
14.0
23.0
13.5
22.0
13.0
21.0
12.5
20.0
12.0
19.0
11.5
MAM
JJA
Temperatura (C)
Temperatura (C)
SON
Temperatura (C)
25.0
24.0
23.0
22.0
21.0
20.0
19.0
18.0
17.0
1963 1968 1973 1978 1983 1989 1994 1999
18.0
11.0
1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003
23.0
21.0
22.0
20.0
21.0
19.0
20.0
1973 1977 1981 1985 1989 1993 1997 2001
13.0
12.5
18.0
12.0
19.0
17.0
18.0
16.0
11.5
17.0
16.0
15.0
1963 1968 1973 1978 1983 1989 1994 1999
15.0
14.0
22.0
22.0
21.0
21.0
20.0
20.0
19.0
19.0
18.0
18.0
17.0
17.0
16.0
16.0
15.0
15.0
14.0
14.0
1963 1968 1973 1978 1983 1989 1994 1999
11.0
1973 1977 1981 1985 1989 1993 1997 2001
1973 1977 1981 1985 1989 1993 1997 2001
13.0
12.0
11.0
10.0
1973 1977 1981 1985 1989 1993 1997 2001
1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003
Fig. 50: Temperatura mnima histrica durante los trimestres DEF, MAM, JJA y SON en
93

En resumen:
De acuerdo a la informacin histrica de las estaciones ubicadas en la Cuenca del
Ro Piura podemos afirmar que en general en los ltimos 30 a 35 aos, la
tendencia de la Temperatura del Aire es positiva en todos los trimestres del ao.
Desagregando por trimestres y reas de Inters tenemos las siguientes
conclusiones:
La Temperatura Mxima tiene su mayor incremento en la estacin de primavera

(SON) en el Bajo Piura y Cuenca Media; mientras en la Cuenca Alta el mayor
incremento se da mayormente en el invierno (JJA), lo cual est relacionado con
la menor nubosidad que predomina en esta zona durante esta estacin por lo
que el ingreso de la radiacin solar es mayor, contrariamente a lo que acontece
en la parte Media y Baja de la Cuenca, en donde mayormente estn afectadas
por la nubosidad baja o estratiforme del invierno. En la estacin de verano
(DEF), se observa el incremento menor de esta variable en todas las reas de
Inters. Los mayores incrementos de la Temperatura Mnima en el Bajo Piura
se dan en los trimestres DEF y MAM que estn relacionados con el incremento
de la temperatura de agua de mar, por consiguiente asociados a El Nio
ingresos de ondas Kelvin a esta zona del litoral. En la Cuenca Alta, los mayores
incrementos de la Temperatura Mnima tambin se da en dichos trimestres
lluviosos.
En el Bajo Piura la Temperatura del Aire (Extremas y Media), viene mostrando

incrementos generalizados a travs del tiempo; as por ejemplo, la tendencia
positiva de la Temperatura Mxima est en el orden de 1 a 2.5C/100 aos;
mientras que en la Temperatura Mnima, la tendencia vara en el rango de 0.6 a
4C/100 aos.
En la Cuenca Media, las Temperaturas Mxima y Media tambin muestran

tendencia positivas en todos los trimestres del ao; mientras que la
Temperatura Mnima muestra un comportamiento opuesto en esta zona. Los
incrementos de la Temperatura Mxima oscilan entre 0.8 y 3.9C /100 aos. La
Temperatura Mnima en las localidades que presentaron incrementos fueron del
orden de 1.0 a 2.8C/100 aos y en las zonas de decrecimiento fue de
0.6C/100 aos.
En la Cuenca Alta, la Temperatura del Aire (Extremas y Media), presentaron

incrementos en todos los trimestres del ao. Los incrementos de la
Temperatura Mxima fueron entre 1.1 y 6C /100 aos; mientras que en la
Temperatura Mnima fue entre 3 y 4C/100 aos.
94

5.2.2
Anlisis de la informacin proyectada
5.2.2.1
PRECIPITACION
Los mapas de precipitacin que se muestran en el anexo, corresponden a los

promedios de 5 aos (quinquenios), dentro del perodo 2004-2035, para los cuatro
trimestres del ao en el contexto de los escenarios de emisiones A2 y B2.
Adicionalmente, se muestran las tendencias de las precipitaciones para los
perodos de tiempo 2004-2020 y el 2004-2035.
5.2.2.1.1
Anlisis trimestral
Trimestre DEF
La precipitacin media para este trimestre en el escenario A2, se muestran en
los mapas A2:a.1, A2:a.2, A2:a.3 y corresponden a los quinquenios 2006-2010,
2011-2015 y 2016-2020 respectivamente. Asimismo se muestran los mapas
B2:a.1, B2:a.2 y B2:a.3 que corresponden al escenario B2 en los mismos
quinquenios antes mencionados.
En el trimestre DEF, las precipitaciones en el escenario A2, se presentaran
similares en los tres quinquenios con valores entre 10 a 200 mm/mes, cuyos
mximos promedios podran ubicarse en la parte alta de la cuenca (estaciones
de Santo Domingo y Huarmaca).
En el Bajo Piura en el escenario A2 primer quinquenio, las precipitaciones
oscilaran entre 10 a 30mm/mes, mientras que en el segundo y tercer
quinquenio las precipitaciones disminuiran presentando valores entre 10 a
20mm/mes, las cuales corresponden a su variabilidad normal. En el escenario
B2, las precipitaciones en el primer y segundo quinquenio oscilaran entre 10 a
20 mm/mes, mientras en el tercer quinquenio, podran presentar lluvias
menores de 10mm/mes, lo cual indicara lluvias deficientes en este quinquenio.
En la sub cuenca de San Francisco las precipitaciones en el escenario A2, se
presentaran normales en la parte media y ligeramente lluviosa en la parte alta y
los valores podran variar entre 60 a 100 mm/mes, mientras en el escenario B2,
las precipitaciones oscilaran en promedio entre 40 a 110 mm/mes, con valores
ligeramente por debajo de sus normales en la parte media de esta sub cuenca.
En la sub cuenca Yapatera, en ambos escenarios tienden a presentarse ligeras
deficiencias en la parte alta de esta sub cuenca, con precipitaciones entre 70 a
140 mm/mes en el escenario A2 y de 40 a 150 mm/mes en el escenario B2.
Trimestre MAM
Las precipitaciones en los tres quinquenios para el escenario A2 se muestran
en los mapas A2:a.6, A2:a.7 y A2:a.8, mientras en el escenario B2 para los
mismos quinquenios se muestran en los mapas B2:a.6, B2:a.7 y B2:a.8.
En el escenario A2, en los tres quinquenios, continuaran presentndose
valores mximos de precipitacin en la parte Cuenca Alta, especialmente en la
95

estacin de Santo Domingo, con promedios mensuales hasta 260 mm/mes; en

la Cuenca Media las precipitaciones oscilaran entre 40 a 80 mm/mes, mientras
que en el Bajo Piura se presentaran valores menores de 40 mm/mes.
En el Bajo Piura, en el primer y tercer quinquenio las precipitaciones totalizaran
en promedio 30 mm/mes, valores dentro de su rango de variabilidad, mientras
que en el segundo quinquenio entre 10 a 20 mm/mes, las cuales
representaran ligeras deficiencias. En el escenario B2, las precipitaciones
podran totalizar valores muy similares en los tres quinquenios, entre 20 a 30
mm/mes, los cuales estaran dentro de su variabilidad normal.
En la sub cuenca San Francisco las precipitaciones oscilaran entre 80 a 110
mm/mes en el primer y tercer quinquenio, los cuales seran ligeramente
deficientes en la parte alta de la sub cuenca y presentaran valores entre 60 a
100 mm/mes en el segundo quinquenio. En el escenario B2, el primer
quinquenio podra presentarse ligeramente lluvioso (20%) y con precipitaciones
entre 80 a 170 mm/mes, disminuyendo en el segundo y tercer quinquenio entre
70 a 150 mm/mes, las cuales corresponden a su variabilidad normal.
En Yapatera las precipitaciones se podran presentar entre 90 a 140 mm/mes
en el primer y tercer quinquenio, que corresponden a una deficiencia del 15%
especialmente en la Parte Alta, incrementndose la deficiencia a un 20% en el
segundo quinquenio y con precipitaciones entre 70 a 130 mm/mes. En el
escenario B2, el trimestre sera ligeramente lluvioso (10%) en los dos primeros
quinquenios especialmente en la parte alta y en el tercer quinquenio sera
normal; las precipitaciones en promedio se presentaran entre 80 a 180
mm/mes.
Trimestre JJA
En el escenario A2 las precipitaciones en los tres quinquenios en toda la
Cuenca del ro Piura estaran en el rango de 5 a 10 mm/mes las que estaran
dentro de su variabilidad normal. En el escenario B2, las precipitaciones
tambin se podran presentar dentro de sus rangos normales y sus valores
oscilaran entre 0 a 10 mm/mes en todas las sub cuencas de inters. Asimismo
se observa que el primer quinquenio se presentara ligeramente ms lluvioso en
la parte alta de la Cuenca (Chalaco, Huarmaca) cuya precipitacin promedio
estara entre 10 a 20 mm/mes.
Trimestre SON
Las precipitaciones mximas en el escenario A2 en este perodo de inicio de
lluvias, se localizaran en la zona sur de la Cuenca Alta, con valores entre 100 a
110 mm/mes, mientras en la parte media entre 10 a 40 mm/mes y menores a 10
mm/mes en la Parte Baja.
96

En el Bajo Piura, para el primer y segundo quinquenio, las precipitaciones se

presentaran entre 10 a 20 mm/mes y para el tercer quinquenio stas seran
menores a 10 mm/mes, las cuales estaran por encima de sus valores
normales. En el escenario B2, en el primer y segundo quinquenio, las
precipitaciones se presentaran entre 0 a 10 mm/mes, mientras en el tercer
quinquenio se estima lluvias mayores de 10 mm/mes.
En la sub cuenca de San Francisco las precipitaciones en promedio estaran
entre 30 a 40 mm/mes, cantidades por encima de sus valores normales. En el
escenario B2, en los tres quinquenios, las lluvias estaran entre 10 a 20
mm/mes, cantidades por encima de sus valores normales pero en menor
proporcin que el escenario A2.
En la sub cuenca Yapatera las precipitaciones en promedio estaran entre 20 a
40 mm/mes, cantidades por encima de sus valores normales. En el escenario
B2, las lluvias en promedio estaran dentro de sus valores normales y podran
oscilar entre 10 a 20 mm/mes.
Cuadro Resumen 1: Precipitaciones estimadas en los escenarios A2 y B2
Precipitaciones estimadas mm/mes
Perodo
Trimestral
Bajo Piura
Sub Cuenca San Francisco
Sub Cuenca Yapatera
A2
B2
A2
B2
A2
B2
DEF
10 - 30 (1)
10 - 20 (2,3)
10 - 20 (1,2)
< 10 (3)
60 - 100
40 - 110
70 - 140
40 120 (1,2)
40 150 (3)
MAM
30 (1,3)
10 - 20 (2)
20 - 30
80 110 (1,3)
60 - 100 (2)
80 - 170 (1)
70 - 150 (2,3)
90 - 140(1,3)
70 - 130 (2)
80 - 180
JJA
5 10
0 10
5 10
0 - 10
5 - 10
0 - 10
SON
10 - 20 (1,2)
< 10 (3)
0 - 10 (1,2)
>10 (3)
30 - 40 (1,2)
20 - 30 (3)
10 - 20
30 40 (1,2)
20 - 30 (3)
10 - 20
(1, 2,3): Representan el primer (2006-2010), segundo ( 2011-2015) y tercer 2016-2020)

quinquenio respectivamente
5.2.2.1.2
5.2.2.1.2.1
Anlisis de Tendencias Futuras

Tendencia de la precipitacin 2004-2020
Trimestre DEF:
La tendencia de la precipitacin en este trimestre para el perodo 2004-2020
correspondiente al escenario A2, se muestra en el mapa A2:a.4, en la cual se
observa que la zona del Bajo Piura presentara una tendencia decreciente entre
5 al 10% con respecto a su normal y con un nivel de significancia menor a 80%.
En la Cuenca Media igualmente podra predominar la tendencia negativa hasta
un 5% y con un nivel de significancia menor al 80% mientras en la Cuenca Alta
la tendencia proyectada sera positiva entre 0 (sin tendencia) a 5% superior a
97

su valor normal, con un nivel de significancia entre 80 a 95%. En el escenario

B2, cuyos mapas no se adjuntan se encontraron similares tendencias.
En la sub cuenca San Francisco, la tendencia proyectada podra ser 5%
superior a su valor normal con un valor de significancia menor al 80%, mientras
en el escenario B2 se proyecta hasta un 3% superior. En la sub cuenca
Yapatera la tendencia proyectada sera del 5% superior a su valor normal con
un nivel de significancia menor a 90% y en el escenario B2 la tendencia sera
superior hasta un 3% respecto a su normal.
Trimestre MAM
En el escenario A2, las tendencias (ver mapa A2:a.9) podran ser positivas en
toda la Cuenca del ro Piura, con valores de 0 a 5% superior a su valor normal y
con niveles de significancia de 80% en el Bajo Piura, entre 80 a 90% en la
Cuenca Media y mayor a 95% en la Cuenca Alta. Esta tendencia implica a las
sub cuencas de inters de San Francisco y Yapatera.
En el escenario B2, cuyo mapa no se adjunta, la tendencia de las
precipitaciones en la zona del Bajo Piura sera muy similar al escenario A2,
mientras las sub cuenca San Francisco y Yapatera muestran una tendencia
inversa, esto es, ligeramente decreciente entre un 5 a 10% pero con niveles de
significancia muy bajos (menor del 40%), lo cual significara que para este
escenario no habra tendencia.
Trimestre JJA
En el Bajo Piura, se estima que la tendencia (ver mapa A2:a.14) en el escenario
A2, sera decreciente entre un 5 al 10% respecto a su valor normal, con un
nivel de significancia muy bajo (< 45%), en la sub cuenca San Francisco se
proyecta una tendencia negativa hasta de 5% inferior a su valor normal y en la
sub cuenca Yapatera una tendencia negativa de 10%, con niveles de
significancia menores al 45%.
En el escenario B2, cuyos mapas no se muestran, las tendencias negativas
muestran tambin niveles de significancia menores al 40% en las tres zonas de
inters. En el Bajo Piura la tendencia sera decreciente alrededor del 10%
respecto a su normal, en la sub cuenca San Francisco, en un 15% mientras en
la sub cuenca Yapatera entre 10 al 20%.
Trimestre SON
La tendencia en el escenario A2 (ver mapa A2:a.19) en el Bajo Piura se
proyecta negativa entre 10 a 15% inferior a su valor normal con un nivel de
significancia menor al 45%, en el escenario B2, cuyo mapa no se muestra la
tendencia sera muy similar. Para las Cuencas Media y Alta en el escenario A2,
la tendencia contina siendo negativa entre 5 a 10% con un nivel de
significancia menor al 45%, a excepcin de la parte sur (Hacienda Bigote,
Huarmaca, El Virrey) en las cuales podran ser ligeramente positivas pero con
niveles de significancia entre 50 al 60%.
98

En las sub cuencas de San Francisco y Yapatera la tendencia negativa sera

hasta 5% inferior a su normal con niveles de significancia menores al 45%, las
mismas tendencias se presentaran en el escenario B2, por lo cual, para ambos
escenarios no habra tendencia.
5.2.2.1.2.2
Tendencia de la precipitacin 2004-2035
Trimestre DEF
Las tendencias para este perodo se muestran en los mapas A2:a.5 y B2:a.5,
que corresponden a los escenarios A2 y B2, respectivamente.
En ambos escenarios A2 y B2, se observa que en el Bajo Piura continuara con
la tendencia decreciente entre un 15% y 13% respectivamente y con niveles de
significancia menores al 50% en ambos escenarios.
En la sub cuenca de San Francisco, la tendencia en la Parte Media sera
decreciente o negativa en ambos escenarios del orden del 12 y 10%
respectivamente, mientras en la parte mas alta podra predominar una ligera
tendencia positiva no mayor del 5% en ambos escenarios y con niveles de
significancia del 65 y 70 %.
La sub cuenca Yapatera muestra una tendencia similar a la sub cuenca
anterior, en la parte media la tendencia negativa podra ser del 18 y 14% en los
escenarios A2 y B2 respectivamente, mientras en la Parte Alta la tendencia
sera positiva en 8 y 4% respectivamente con un nivel de significancia del 80 y
75% en los escenarios A2 y B2.
Trimestre MAM
Los mapas de tendencias 2004-2035 para este trimestre, en ambos escenarios
se muestran en los mapas A2:a.10 y B2: a.10 respectivamente.
En el escenario A2, en la zona del Bajo Piura, podra presentarse una tendencia
decreciente del 15 al 20%, con niveles de significancia relativamente bajos
(<40%), mientras en el escenario B2 podra predominar la tendencia positiva
hasta un 8% con un nivel de significancia del 70 a 75%, con lo cual tiene mayor
sustento estadstico, sugiriendo una mayor probabilidad de que esta tendencia
realmente pueda darse.
En la sub cuenca de San Francisco, la tendencia en la parte media sera
decreciente en el escenario A2 del 10% respecto a su normal, mientras en la
parte mas alta podra predominar una ligera tendencia positiva no mayor del 5%
con un nivel de significancia del 70 %, mientras para el escenario B2, en toda la
sub cuenca predominara la tendencia decreciente entre 5 al 10% con niveles
de significancia muy bajos (<40%), por lo que estadsticamente no habra
tendencia para este escenario.
En el escenario A2, en la sub cuenca Yapatera, la tendencia podra ser
decreciente en la parte media de esta sub cuenca, con valores alrededor del
15% con respecto a su normal, mientras en la parte alta la tendencia sera
positiva del orden del 8% superior a sus valores normales, con un nivel de
99

significancia del 90%. En el escenario B2, predominara la tendencia

decreciente entre 0 a 5% respecto a sus valores normales pero con niveles de
significancia menores al 40%, por lo que estadsticamente podra implicar una
tendencia cero o simplemente no habra tendencia.
Trimestre JJA
Las tendencias para este trimestre se muestran en los mapas A2:a.15 y el
B2:a.15 que corresponden a los escenarios A2 y B2. En el Bajo Piura, en el
escenario A2, la tendencia sera negativa entre un 15 a 25% inferior a su valor
normal con un nivel de significancia menor de 40%, por lo que significara que
para este escenario no habra tendencia; mientras en el escenario B2, la
tendencia sera positiva entre un 10 al 15% superior a su normal con un nivel de
significancia del 80%.
En la sub cuenca San Francisco, la tendencia sera decreciente entre un 30 a
35% con un nivel de significancia menor del 40%, por lo cual para este
escenario no habra tendencia, mientras en el escenario B2, la tendencia
podra ser positiva entre un 5 a 10% con un nivel de significancia entre 60 al
75%.
En la sub cuenca Yapatera, en el escenario A2, la tendencia sera negativa
entre un 25 a 30% con niveles de significancia muy bajos, mientras en el
escenario B2, la tendencia sera positiva del orden de 5 a 10% respecto a su
normal y con un nivel de significancia entre 60 a 75%.
Trimestre SON
Las tendencias para los escenarios A2 y B2 se muestran en los mapas A2:a.20
y B2:a.20, respectivamente. En el Bajo Piura la tendencia sera decreciente del
orden de 50% en el escenario A2 y del 25% en el escenario B2, pero ambos
con niveles de significancia muy bajos, por lo que se estima que en este
trimestre no hay tendencia para ambos escenarios.
En la sub cuenca San Francisco, la tendencia sera negativa en ambos
escenarios, entre 15 al 40% en el escenario A2 y entre 5 al 20% en el B2;
ambas tendencias con niveles de significancia menores del 50%.
En la sub cuenca Yapatera, la tendencia tambin sera decreciente en ambos
escenarios, para el A2, entre el 15 al 50%, mientras en el B2 estas deficiencias
seran menores alcanzando hasta el 25%; asimismo los niveles de significancia
son menores del 50%, por lo tanto para este trimestre en ambos escenarios no
habra tendencia.
A continuacin se muestra el cuadro resumen 2 con las tendencias en ambos
perodos de proyeccin. Cabe mencionar que en el cuadro resumen presentado
en la primera edicin de este reporte, errneamente se mostr que la tendencia
de la precipitacin para el trimestre JJA fue positiva en todas las reas de
inters, lo cual no era consistente con el anlisis en el texto ni con el mapa.
100

Cuadro Resumen 2. Tendencias y Niveles de Significancia de las Precipitaciones

PRECIPITACIONES
Perodo
Sub cuencas
Tendencia (%)
(2004-2020)
A2
B2
Tendencia (%)
(2004-2035)
Significancia
(%)
A2
B2
A2
B2
Significancia
(%)
A2
B2
-5 a -10
0 a +5
0 a +5
ST
ST
ST
<80
85
>85
NS
NS
NS
ST
ST
+8
ST
+5
+5
NS
NS
80
NS
70
75
M A M Bajo Piura
San Francisco
Yapatera
0 a +5
0 a +5
0 a +5
ST
ST
ST
80
90
>90
NS
NS
NS
ST
+3
+5
+5
ST
ST
NS
70
90
70
NS
NS
J J A Bajo Piura
San Francisco
Yapatera
ST
ST
ST
ST
ST
ST
NS
NS
NS
NS
NS
NS
ST
ST
ST
+10 a +15
+5 a +10
+5 a +10
NS
NS
NS
80
75
75
S O N
ST
ST
ST
ST
ST
ST
NS
NS
NS
NS
NS
NS
ST
ST
ST
ST
ST
ST
NS
NS
NS
NS
NS
NS
D E F
Bajo Piura
San Francisco
Yapatera
Bajo Piura
San Francisco
Yapatera
DEF
MAM
JJA
SON
NS
ST
=
=
=
=
=
=
DICIEMBRE ENERO FEBRERO

MARZO ABRIL MAYO
JUNIO JULIO AGOSTO
SETIEMBRE OCTUBRE NOVIEMBRE
No significante referido a la tendencia
Sin Cambio en la Tendencia
2004-2020, 2004-2035
2004-2020, 2004-2035
2004-2020, 2004-2035
2004-2020, 2004-2035
En resumen:
Las precipitaciones proyectadas en los escenarios A2 y B2, para los tres
quinquenios 2006-2010, 2011-2015 y 2016-2020 son muy similares, incluso para la
proyeccin al 2035, lo cual demostrara que los cambios drsticos de las
precipitaciones en esta Cuenca asociados al efecto de los GEIs podran
visualizarse en un perodo de tiempo ms largo.
Desagregando por rea de Inters, trimestre y escenario tenemos las siguientes
conclusiones:
En el Bajo Piura, las lluvias se presentaran normales en ambos escenarios

durante todos los trimestres, a excepcin del trimestre SON, en donde el
escenario A2 estima mayores precipitaciones que el escenario B2.
En la sub cuenca San Francisco, las precipitaciones en el trimestre DEF se

presentaran por encima de sus valores normales en el escenario A2, mientras
en el escenario B2, el incremento de stas sera menor. En MAM, las
precipitaciones tienden a ser ligeramente deficientes en el escenario A2,
mientras que en el escenario B2 se presentaran entre normales y ligeramente
por encima de sus valores promedios. Para el trimestre SON, ambos escenarios
tienden a ser lluviosos pero con menor intensidad en el escenario B2.
En la sub cuenca Yapatera, en el trimestre DEF las precipitaciones tienden a

ser deficientes en ambos escenarios. En MAM, las lluvias en el escenario A2
101

seran deficientes, mientras que en el B2, las lluvias estaran por encima de sus
promedios. Finalmente en el trimestre SON, en ambos escenarios las lluvias
estaran por encima de sus valores medios, pero con menor intensidad en el
escenario B2.
Las tendencias proyectadas de precipitacin media al ao 2035, en los

trimestres lluviosos DEF y MAM segn los modelos NCAR-CSM/RAMS,
estaran hasta 5% superior respecto a su valor normal, principalmente en las
partes altas de las sub cuencas San Francisco y Yapatera en el escenario A2;
mientras que en el escenario B2 no habran cambios durante el trimestre MAM,
pero s en el trimestre DEF, donde la tendencia sera positiva con valores
cercanos al 5%.
La tendencia proyectada al ao 2035 de la precipitacin media para el trimestre

de escasa precipitacin (JJA), indica que no hay tendencia en el escenario A2;
mientras que el escenario B2 para el perodo 2004 - 2035 proyecta un
incremento de hasta 10% en ambas sub cuencas de inters.
La tendencia proyectada al ao 2035 para el trimestre de inicio de lluvias

(SON), especialmente en las dos sub cuencas de inters, muestra que no
habra cambios en ambos escenarios, a pesar que se observa decrementos del
orden del 15 al 20% pero con bajos niveles de significancia.
102

5.2.2.2
TEMPERATURA MAXIMA
El anlisis de tendencias futuras de la Temperatura Mxima, se sustenta en los

resultados proyectados por el modelo regional RAMS para el perodo 2004-2020 y
2004-2035, en el contexto de los escenarios A2 y B2.
El Bajo Piura
Los valores de las tendencias, tanto en el escenario A2 y B2, para los trimestres
DEF y JJA, indican valores positivos (ver cuadros resumen 3 y 4), siendo el
escenario A2, para los dos trimestres en consideracin, el de mayor
significancia (>95%), cuyos rangos de tendencia del 2004-2020, se proyecta
que oscilen entre 1.8 y 2.0C/16 aos y de 0.6 - 0.8C/16 aos, para los
trimestres mencionados. Asimismo, los rangos de la tendencia del perodo
comprendido entre el 2004 y 2035, tanto para el escenario A2 y B2, indican
tendencias positivas con un nivel de significancia mayor al 90%, presentndose
la tasa de mayor incremento en el escenario A2 (de 0.9 y 1.0 C/31 aos).
Para el trimestre SON, se muestran tendencias positivas de 2.1 a 2.5C/16
aos para el A2 con niveles significantes (>95%), en tanto el escenario B2 la
tendencia no muestra grandes cambios (0.1C/16 aos) con un nivel de
significancia menor al 70%, siendo el escenario A2 estadsticamente ms
probable. La serie proyectada 2004-2035, para ambos escenarios, sugieren
tendencias positivas con niveles de significancia mayores al 90%, cuyos rangos
se proyectan entre 1.6 y 2.0C/31 aos.
Para el trimestre MAM, ambos escenarios (A2 y B2) no proyectan grandes
cambios en la tendencia (de -0.1 a 0.1 y de -0.3 a -0.20), siendo el escenario
A2, el de mayor significancia (70%). Sin embargo, la tendencia total de la serie
proyectada del 2004-2035, la mayor significancia (>95%) se obtuvo en el
escenario A2, oscilando sus valores entre 0.8 y 1.0C/31 aos. Siendo, esta
tendencia de incremento estadsticamente ms probable, en relacin a la
tendencia de la serie proyectada del 2004 al 2020.
Los valores de la tendencia del 2004 - 2020, tanto en el escenario A2 y B2, para
los trimestres DEF y JJA, indican ligeros cambios en el primero y significativos
en el segundo (cuadros resumen 3 y 4), siendo el escenario A2 el de mayor
significancia (>70%), se proyecta que oscilen entre -0.1 y 0.2 C/16 aos, para
el trimestre DEF. En tanto para el trimestre JJA, se proyecta que stas oscilen
entre 0.6 y 0.7C/16 aos con un nivel de significancia mayor a 95 %.
Asimismo, los rangos de la tendencia del perodo comprendido del 2004 al
2035, tanto para el escenario A2 y B2, son similares para los trimestres DEF y
JJA, proyectndose tendencias de -0.2 a 0.3 C/31 aos y de 0.6 a 0.9C/31
aos, para cada trimestre, respectivamente. Siendo el nivel de significancia
para ambos trimestres y escenarios, mayor al 95 %.
En tanto, para el trimestre SON, se proyectan altas tendencias positivas de 1.0
a 1.8 C/16 aos con el escenario A2 con 85% de significancia, y el escenario
B2 con ligeros cambios de 0.2 a 0.4 C/16 aos con nivel no significante,
103

siendo el escenario A2 estadsticamente ms probable. La serie proyectada

2004-2035, para ambos escenarios, indican tendencias positivas, siendo el
escenario A2 ms fuerte, cuyos rangos se proyectan entre 0.9 a 1.7C/31 aos,
con niveles de significancia del 99 %.
Para el trimestre MAM, ambos escenarios (A2 y B2) proyectan tendencias
ligeramente negativas (-0.8 a -0.4 y -0.3 a -0.2), siendo el escenario A2, el de
mayor significancia (>70%). Sin embargo, en la tendencia de la serie
proyectada del 2004-2035, la mayor significancia (>85%) se obtuvo en ambos
escenarios, oscilando este entre 0.2 y 0.5C/31 aos; siendo, esta tendencia de
incremento estadsticamente ms probable, en relacin a la tendencia de la
serie proyectada del 2004 al 2020.
Sub Cuenca Yapatera
Los valores de la tendencia del 2004 - 2020, tanto en el escenario A2 y B2, para
los trimestres DEF y JJA, indican de ligeros a moderados cambios (cuadros
resumen 3 y 4), siendo el escenario A2 el de mayor significancia en toda la
Cuenca y en ambos trimestres con 70 y 95% y se proyecta que los valores
oscilen de -0.1 a 0.3, y de 0.6 a 0.8 C/16 aos, para cada trimestre
respectivamente. Asimismo, los rangos de la tendencia del perodo
comprendido del 2004 al 2035, tanto para el escenario A2 y B2, muestran
tendencias positivas para DEF y JJA, siendo el escenario B2 (>85% enambos
trimestres). Las tendencias proyectadas van de 0.1 a 0.5 C/31 aos para el
trimestre DEF y de 0.6 a 0.8 C/31 para JJA.
En tanto, para el trimestre SON, se proyectan altas tendencias positivas de 0.5
a 1.4 C/16 aos con el escenario A2 con niveles significantes (>80%), y el
escenario B2 con ligeros cambios que van de 0.1 a 0.5 C/16 aos con nivel de
significancia entre 70 y 85%, siendo el escenario A2 estadsticamente ms
probable. La serie proyectada 2004-2035, para ambos escenarios, indican
tendencias positivas, cuyos rangos se proyectan entre 0.6 -1.9C/31 aos, con
niveles de significancia mayores a 90%.
Para el trimestre MAM, ambos escenarios (A2 y B2) proyectan tendencias
ligeramente negativas (-0.4 a -0.02 y -0.3 a 0.1), siendo el escenario A2, el de
mayor significancia (80 %). Sin embargo, en la tendencia total de la serie
proyectada del 2004-2035, para ambos escenarios, la tendencia es positiva,
cuyos rangos se proyectan entre 0.2-0.7 C/31 aos, con niveles de
significancia mayor a 90%; siendo, esta tendencia de incremento
estadsticamente ms probable, en relacin a la tendencia de la serie
proyectada del 2004 al 2020.
A continuacin se presenta los cuadros resumen 3 y 4 de rangos estimados de
la Temperatura Mxima futura y las tendencias y niveles de significancia
respectivamente.
104

Cuadro Resumen 3: Rangos de Temperatura Mxima estimada al 2020 en los escenarios

A2 y B2
TEMPERATURA MXIMA
PERODO
DEF
MAM
JJA
SON
SUB CUENCAS
RANGOS (2004-2020)
A2
B2
DEF
BAJO PIURA
SAN FRANCISCO
YAPATERA
32 - 36
26 - 38
18 - 36
32 - 35
26 - 35
18 - 35
MAM
BAJO PIURA
SAN FRANCISCO
YAPATERA
31 - 34
25 - 36
18 - 34
30 - 33
24 - 34
18 - 33
JJA
BAJO PIURA
SAN FRANCISCO
YAPATERA
26 - 29
24 - 30
18 - 30
26 - 29
24 - 30
18 - 30
SON
BAJO PIURA
SAN FRANCISCO
YAPATERA
28 - 33
25 - 36
18 - 34
27 - 31
25 - 33
18 - 34
=
=
=
=

MARZO ABRIL MAYO
JUNIO JULIO AGOSTO
2004-2020, 2004-2035
2004-2020, 2004-2035
2004-2020, 2004-2035
2004-2020, 2004-2035
Cuadro Resumen 4: Tendencias y Niveles de Significancia de la Temperatura Mxima

TEMPERATURA MXIMA
Perodo
Tendencia
(2004-2020)
Sub Cuencas
Significancia
(%)
A2
B2
A2
B2
Tendencia
(2004-2035)
A2
Significancia
(%)
B2
A2
B2
0.90 - 1.00
NS
ST
NS
70 85 -0.10 - 0.90
0.8 - 1.0
0.2 - 0.5
0.2 - 0.9
> 95
NS
>70
> 95
>75
>85
D E F
Bajo Piura
San Francisco
Yapatera
1.80 - 2.00
-0.10 - 0.20
-0.10 - 0.30
ST
ST
0.20 - 0.90
>95
75
75
M A M
Bajo Piura
San Francisco
Yapatera
-0.10 - 0.10
-0.80 - -0.40
-0.40 - -0.20
ST
ST
ST
75
75
80
NS
NS
NS
0.80 - 1.00
0.20 - 0.50
0.20 - 0.80
0.5
0.2-0.5
0.2-0.5
>95
>85
>90
>90
>85
>90
J J A
Bajo Piura
San Francisco
Yapatera
0.60 - 0.80
0.60 - 0.70
0.60 - 0.80
0.20 - 0.40
0.40
0.20 - 0.60
>95
>95
>95
75
80-85
80
0.80 - 0.90
0.60 -0.90
0.60 0.90
0.60 - 0.70
0.70 - 0.90
0.60 - 080
>90
>95
>90
95
>99
98
S O N
Bajo Piura
San Francisco
Yapatera
2.0-2.50
1.00-1.80
0.5-1.40
ST
ST
0.10 - 0.50
>95
>85
>80
NS
NS
70 - 85
1.60 - 1.90
0.90 - 1.70
0.60 - 1.90
1.60 - 2.00
0.80 - 1.50
0.60 - 1.90
>90
99
>99
> 99
>93
>95
DEF
MAM
JJA
SON
NS
ST
=
=
=
=
=
=

MARZO ABRIL MAYO
JUNIO JULIO AGOSTO
Sin Cambio en la Tendencia
105
2004-2020, 2004-2035
2004-2020, 2004-2035
2004-2020, 2004-2035
2004-2020, 2004-2035

5.2.2.3
TEMPERATURA MNIMA
El anlisis de tendencias futuras de la Temperatura Mnima, se sustenta en los

El Bajo Piura
Los valores de la tendencia, tanto en el escenario A2 y B2, para los trimestres
DEF, JJA y SON, indican valores positivos (ver cuadro resumen 5), siendo el
escenario A2, para los tres trimestres en consideracin, el de mayor
significancia (95%), cuyos rangos de tendencia del 2004-2020, estaran entre
0.45 y 0.75C/16 aos. Asimismo, los rangos de la tendencia del perodo
comprendido entre el 2004 - 2035, tanto para el escenario A2 y B2, indican
tendencias positivas con un nivel de significancia de 95%, presentndose la
tasa de mayor incremento entre 0.30 a 0.70C/31 aos en el escenario A2.
En el trimestre MAM, se muestran ligeras tendencias positivas de 0.05 a
0.10C/16 aos en el escenario A2 con niveles de 80% de significancia, en
tanto el escenario B2 la tendencia muestra ligeros cambios negativos (de -0.25
a -0.20C/16 aos) con niveles bajos de significancia,
A nivel del total de la serie proyectada 2004-2035, para ambos escenarios, la
tendencia es positiva, con niveles de significancia mayores al 95 %, cuyos
rangos se proyectan entre 0.30 y 0.70C/31 aos.
Los valores de la tendencia del 2004 - 2020, tanto en el escenario A2 y B2 para
los trimestres DEF, JJA y SON, indican cambios positivos (cuadro resumen 5)
con mayores niveles de significancia (>90%) y tambin mayores rangos de
tendencia en el escenario A2 (0.25 - 0.80C/16 aos) que en el B2 (-0.10 0.85C/16 aos). En tanto para el trimestre MAM, se proyecta que estas
tendencias sean muy ligeras e incluso negativas con tendencia a lo normal con
niveles no significantes.
Asimismo, los rangos de la tendencia del perodo comprendido del 2004 al
2035, tanto para el escenario A2 y B2, son muy similares y con valores
positivos para los cuatro trimestres en estudio DEF, MAM, JJA y SON, con
valores entre 0.21 0.75C/16 aos y en ambos escenarios con nivel de
significancia del 95%.
Sub Cuenca Yapatera
El perodo 2004 - 2020 presenta tendencias positivas en el escenario A2 para
los cuatro trimestres analizados DEF, MAM, JJA y SON con valores entre 0.0 0.70C/16 aos y con nivel de significancia mayor a 80%, mientras que el
escenario B2 sus tendencias son ligeramente negativas tambin para los cuatro
trimestres y con niveles de 70% de significancia.
En relacin, al perodo 2004 - 2035, los niveles de tendencia son muy parecidos
entre ambos escenarios y para los trimestres DEF, JJA y SON, con valores
106

entre 0.25 - 0.75C/16 aos, a excepcin del trimestre MAM donde las
tendencias del escenario B2 son menores a la del escenario A2, aunque el
porcentaje de significancia para todos los casos es del 95%.
A continuacin se presenta un cuadro resumen de tendencias y niveles de
significancia de la Temperatura Mnima futura.
Cuadro Resumen 5: Tendencias y Niveles de Significancia de la Temperatura Mnima
TEMPERATURA MINIMA
Perodo
Tendencia
(2004-2020)
Sub cuencas
D E F
Bajo Piura
San Francisco
Yapatera
M A M Bajo Piura
San Francisco
Yapatera
J J A Bajo Piura
San Francisco
Yapatera
S O N Bajo Piura
San Francisco
Yapatera
DEF
MAM
JJA
SON
NS
ST
Significancia
(%)
Tendencia
(2004-2035)
Significancia
(%)
A2
B2
A2
B2
A2
B2
A2
B2
0.40 0.50
0.20 0.40
0.30 0.40
-0.10 0.10
-0.10 0.10
0.00 0.20
0.50 0.80
0.60 0.80
0.50 0.90
0.50 0.80
0.60 0.80
0.50 0.70
0.30 0.40
-0.10 0.10
-0.10 0.20
ST
ST
-0.30 0.10
0.20 0.30
0.60 0.80
0.20 0.80
ST
ST
-0.20 0.20
95
90
90
80
80
80
95
95
>90
95
95
95
85
70
70
NS
NS
70
>70
>80
80
NS
NS
70
0.30 0.40
0.30 0.40
0.30 0.40
0.30 0.50
0.40 0.50
0.40 0.50
0.50 0.70
0.60 0.80
0.50 0.80
0.60 0.80
0.20 0.40
0.20 0.60
0.30 0.40
0.30 0.40
0.20 0.40
0.30 0.50
0.20 0.40
0.10 0.40
0.20 0.60
0.70 0.80
0.60 0.80
0.40 0.60
0.40 0.50
0.40 0.60
95
95
95
95
95
95
95
95
95
95
>90
>90
95
95
95
95
95
95
80
95
95
95
95
95
=
=
=
=
=
=

MARZO ABRIL MAYO
JUNIO JULIO AGOSTO
Sin Cambios en la Tendencia
107
2004-2020, 2004-2035
2004-2020, 2004-2035
2004-2020, 2004-2035
2004-2020, 2004-2035

5.2.2.4
TEMPERATURA MEDIA
El anlisis de tendencias futuras de la Temperatura Media, se sustenta en los

Bajo Piura
Durante el perodo 2004-2020, las tendencias se muestran mayormente
positivas en ambos escenarios A2 y B2, a excepcin de los trimestres MAM y
SON en el escenario B2, los cuales presentan ligeras tendencias negativas,
aunque con niveles no significativos (ver Cuadro Resumen 6). El escenario A2
presenta los mayores niveles de significancia (>90%) en los trimestres DEF,
JJA y SON, con valores entre 0.5 y 1.4C/16 aos, mientras que en el trimestre
MAM el nivel de significancia fue ligeramente menor (>75%) con valores ms
bajos, de hasta 0.1C/16 aos. Para el perodo 2004-2035, las tendencias se
muestran positivas en ambos escenarios, con niveles de significancia mayores
a 75%. El escenario A2 muestra valores de tendencia entre 0.5 a 0.7 C/31
aos en los trimestres DEF y MAM, y de 0.7 a 1.4 C/31 aos en los trimestres
JJA y SON.
Los trimestres DEF y SON presentan las mayores tendencias positivas en el
Bajo Piura con valores de 0.9 1,1C/16 aos y 1.0 1.4C/16 aos
respectivamente, y niveles de significancia altos (>90%). Esto se mantiene para
el perodo 2004-2035, en el cual SON sigue siendo el trimestre con cambios
ms significativos de temperatura media.
El trimestre MAM, presenta el menor valor de tendencia con 0.1C/16 aos, lo
cual indica que el Bajo Piura no presentara mayores cambios de temperatura
media en el trimestre MAM.
Para el perodo 2004 - 2020, ambos escenarios A2 y B2, proyectan tendencias
mayormente positivas, principalmente en los trimestres DEF, JJA y SON,
mientras que en el escenario A2, el trimestre MAM presenta tendencias
ligeramente negativas con un nivel de significancia mayor a 75%. El escenario
B2 presenta valores ms bajos en general, sin embargo esto no es significativo
estadsticamente (cuadro resumen 6). De manera similar al Bajo Piura, la Sub
Cuenca San Francisco presenta cambios notorios en el escenario A2 y ligeros
en el escenario B2. Los trimestres JJA y SON presentan los mayores valores,
0.6 0.7C/16 aos y 0.7 1.1C/16 aos respectivamente, con niveles de
significancia mayores a 95%. Los trimestres DEF y MAM proyectaron
tendencias muy bajas de 0.1 0.3C/16 aos y -0.3 - -0.1C/16 aos
respectivamente con niveles de significancia mayores a 75%.
Para el perodo 2004-2035, se mantiene la proyeccin de mayores tendencias
en los trimestres JJA y SON oscilando entre 0.6 y 1.1C/31 aos con niveles de
significancia mayores a 97%, mientras que los trimestres DEF y MAM son los
ms bajos con tendencias que oscilan entre 0.1 y 0.5C/31 aos y con ms de
70% de significancia. El escenario B2 presenta similar comportamiento para
este perodo pero con tendencias menores.
108

En el Cuadro Resumen 6, se observa que segn el escenario A2, en la sub

cuenca San Francisco los mayores cambios de temperatura media se estaran
dando en el trimestre SON, mientras que el trimestre DEF no presentara
mayores cambios, siendo este comportamiento similar en ambos perodos de
anlisis.
Sub Cuenca Yapatera
Para el perodo 2004 - 2020, el escenario A2 muestra una tendencia positiva en
los trimestres DEF, JJA y SON, mientras que el trimestre MAM la tendencia es
negativa pero muy baja y poco significativa (ver Cuadro Resumen 6). En el
escenario B2, las tendencias son positivas en los trimestres DEF y JJA,
mientras que es negativa en MAM y SON pero con valores muy bajos. En el
escenario A2 las proyecciones indican que el trimestre SON presentar un
mayor cambio en la temperatura media con tendencias de 0.45 a 0.9C/16 aos
con un nivel de significancia mayor a 96%. Por otro lado la menor variacin en
la sub cuenca Yapatera se estara presentando durante el trimestre MAM con
valores muy bajos que oscilan entre -0.05 a 0.1C/16 aos con un nivel de
significancia de menos de 80%. Segn el escenario B2, el mayor cambio
ocurrira en el trimestre JJA con una tendencia de 0.2 a 0.6C/16 aos y nivel
de significancia menor a 85%.
Para el perodo 2004-2035, las variaciones de temperatura media en el
escenario A2 mantienen tendencias positivas en todos los trimestres, con los
mayores incrementos para los trimestres JJA y SON con tendencias que oscilan
entre 0.6 0.8C/31 aos y 0.4 1.3C/31 aos respectivamente, con niveles
de significancia mayores a 97%. Por otro lado en el escenario B2 los mayores
incrementos se dan en los trimestres JJA y SON con valores que oscilan entre
0.2 0.8C/31 aos con niveles de significancia mayores a 75%. A continuacin
se presenta un cuadro resumen de tendencias y niveles de significancia de la
Temperatura Media futura.
Cuadro Resumen 6: Tendencias y Niveles de Significancia de la Temperatura Media
Perodo
D E F
M A M
J J A
S O N
Sub cuencas
TEMPERATURA MEDIA
Tendencia
Significancia
(2004-2020)
(%)
A2
0.85 - 1,05
Bajo Piura
0.10 - 0.30
San Francisco
0.15 - 0.30
Yapatera
0.00 - 0.10
Bajo Piura
San Francisco -0.25 -0.05
-0.05 0.10
Yapatera
Bajo Piura
San Francisco
Yapatera
Bajo Piura
San Francisco
Yapatera
DEF
MAM
JJA
SON
NS
ST
=
=
=
=
=
=
0.50 0.70
0.55 0.70
0.50 0.75
1.00 1.40
0.70 1.10
0.45 0.90
Tendencia
(2004-2035)
Significancia
(%)
B2
0.25 0.35
0.10 0.25
0.05 0.30
ST
ST
0.00 0.20
A2
> 90
< 80
>75
75
75
75
B2
> 90
>75
>75
NS
NS
>75
A2
0.60
0.10 0.40
0.20 0.60
0.50 0.70
0.30 0.50
0.30 0.60
B2
0.45 0.6
0.25 0.45
0.20 0.55
0.25 0.40
0.20 0.35
0.15 0.35
A2
> 90
>70
>85
95
>90
>95
B2
> 95
> 90
> 95
97
>95
>95
ST
0.40 0.60
0.20 0.60
ST
ST
0.20 0.40
>95
>95
>95
>95
95
>95
NS
>75
>75
NS
NS
>75
0.70 0.80
0.60 0.80
0.60 0.80
1.00 1.40
0.60 1.10
0.40 1.30
0.40 0.60
0.70 0.80
0.60 0.80
0.70 0.90
0.10 0.40
0.20 0.80
97
> 97
> 97
>99
>99
>99
>85
95
>90
> 95
<75
>75

MARZO ABRIL MAYO
JUNIO JULIO AGOSTO
Sin Cambios en la Tendencia
109
2004-2020,2004-2035
004-2020,2004-2035
004-2020,2004-2035
2004-2020,2004-2035

En resumen:
La tendencia proyectada al 2035 de la Temperatura Mxima en todas las reas

de Inters de la Cuenca, tanto para el escenario A2 y B2, indican tendencias de
ligeramente negativas a positivas en general y los rangos se proyectan entre 0.1 y 2.0 C/31 aos, con un nivel de significancia mayor al 70%,
presentndose la tasa de mayor incremento en el escenario A2. Tendencias
ligeramente negativas se proyectan en la sub cuenca San Francisco (-0.8 a 0.4 C/16 aos), y en la sub cuenca Yapatera (-0.4 a -0.2 C/16aos) con
niveles de significancia entre 70 y 80% en el trimestre MAM (ver cuadro
resumen 3).
En relacin a las Temperaturas Mnimas, stas no presentan significativos

cambios entre los quinquenios analizados, tanto en el escenario A2 como en
B2. En los trimestres DEF y MAM, se mantienen los valores para el Bajo Piura
entre 20 - 24C, sub cuenca de San Francisco entre 16 - 20C y en la sub
cuenca de Yapatera entre 10 - 20C; mientras que para los trimestres de JJA y
SON los valores se encuentran para el Bajo Piura entre 16 - 18C, en la sub
cuenca San Francisco entre 12 - 16C y finalmente en la sub cuenca de
Yapatera entre 8 - 16C. (ver mapas en anexo A). De otro lado, las tendencias
de la Temperatura Mnima en el escenario A2 en ambos perodos de
proyeccin (2004-2020 y 2004-2035), para los cuatro trimestres, presentan
valores ligeramente mayores que los mostrados en el escenario B2. Asimismo,
los niveles de significancia fueron mayores en el escenario A2 que en el B2,
principalmente en el perodo 2004-2020, registrndose valores muy similares de
95% durante el perodo total de 2004-2035 (ver cuadro resumen 5)
Las tendencias de la Temperatura Media en ambos escenarios, A2 y B2, se

muestran mayormente positivas a los largo de toda la cuenca a excepcin del
trimestre MAM, el cual para el perodo de proyeccin 2004-2020 presenta ligera
tendencia negativa de -0.15C/17aos en la sub cuenca de San Francisco. En
general, el escenario A2 mostr valores y tendencias ligeramente ms altas con
respecto al escenario B2 as como niveles de confianza ms significativos (en
ambos perodos 2004-2020 y 2004-2035) con valores mayores al 95%. El Bajo
Piura presenta los cambios ms notorios principalmente en los trimestres de
DEF y SON con valores que oscilan entre 0.8 1.4C/17 aos. De otro lado, las
sub cuencas San Francisco y Yapatera proyectan los mayores cambios en los
trimestres JJA y SON con tendencias entre 0.5 1.1C/17 aos (Ver cuadro
resumen 6).
110

5.3 BALANCE HIDRICO EN LA CUENCA DEL RIO PIURA

La cuenca del ro Piura se encuentra ubicada en el norte del Per, siendo su
ubicacin geogrfica entre las latitudes de 485 a 580 y longitudes de 7900 a
8100. Su altitud vara desde los 0 msnm hasta los 4500 msnm en Huarmaca y
Canchaque, teniendo una altura promedio de 1400 msnm. Su comportamiento
hdrico es bastante estacional; es decir, las lluvias solamente se dan entre los
meses de diciembre a marzo mientras que de abril a noviembre son nulas
ocasionando que el caudal del ro Piura llegue muchas veces a cero.
El planeamiento de las diferentes demandas del recurso hdrico se basa en un
conocimiento anticipado del balance correcto entre los volmenes de agua
disponibles y los volmenes requeridos. En este sentido, el balance hdrico viene a
ser la comparacin entre los valores estimados de la evapotranspiracin potencial y
el aporte por la precipitacin, normalmente tomando como base perodos
mensuales o anuales como se ha realizado en este estudio. En aquellos meses y/o
aos en los cuales la precipitacin es mayor que la evapotranspiracin, se presenta
un exceso de agua y disminuye la necesidad de riego. Por el contrario, en los
perodos con valores de precipitacin menores que los de evapotranspiracin
potencial, se presenta un dficit de agua que debe ser satisfecho por otras fuentes
(pozos, embalses, etc).
5.3.1
METODOLOGIA
Datos
Se utilizaron los datos histricos de precipitaciones y temperaturas de las diferentes
estaciones correspondientes a la Cuenca del ro Piura tal como se muestra en las
tablas 10 y 11.
Modelo de evapotranspiracin
Se utiliz la formula de Thornthwaite que fue desarrollado en los Estados Unidos
para estimar la evapotranspiracin en base a muchos experimentos con lismetros,
habindose estudiado la correlacin entre la temperatura y la evapotranspiracin.
La evapotranspiracin para un mes cualquiera con una temperatura media TC
esta dada por:
10t
ETP = 16
(mm / mes)
Donde:
12
J =j
( paralos12 meses)
i =1
t
j=
5
a = 675 x10 9 J 3 771x10 7 J 2 + 179 x10 4 J + 0.492

t
ETP
: Temperatura media mensual de cada mes

: Evapotranspiracin Potencial
111
1.514

El valor de la ETP es un valor mensual estndar terico basado en una duracin de

30 das con 12 horas de sol cada uno. La evapotranspiracin actual (ET) para un
mes en particular con temperatura media t es entonces:
ET = ETP x
DT
360
(mm)
Donde:
D = nmero de das del mes
T = nmero medio de horas de luz entre la salida y puesta del sol para el mes
considerado.
Generacin de escenarios futuros
En la actualidad existe un consenso cientfico generalizado de que el efecto
antropognico de las actividades de nuestra sociedad, a travs del efecto
invernadero est generando un calentamiento, una alteracin climtica, que de
seguir as provocar un fuerte impacto negativo ambiental y socioeconmico en
nuestro planeta.
Por eso existe el inters de muchos sectores productivos en nuestro pas de saber
cuales sern los cambios en las variables climticas en los prximos aos. El
empleo de modelos numricos del clima nos permite generar escenarios climticos
futuros basados en las acciones que tome el hombre hoy y en los prximos aos.
Estos escenarios futuros nos proporcionarn una valiosa informacin sobre los
posibles cambios en las variables de precipitacin, temperatura y
evapotranspiracin, sobre las que se basa el balance hdrico.
En este estudio se ha utilizado los productos de la regionalizacin dinmica para el
dominio correspondiente a la Cuenca del ro Piura, a travs del modelo regional
RAMS en el contexto del escenario de emisin A2, escenario que corresponde a un
estado de alta emisin de GEI. Los resultados son mostrados en las tablas 12(a,b)
y 13(a,b).
5.3.2
RESULTADOS
En las tablas 12a y 12b se presentan los resultados correspondientes a las

proyecciones de precipitacin anual para cada uno de los quinquenios
considerados entre el 2006 2035, procedentes de la regionalizacin del modelo
RAMS.
Es necesario enfatizar que los resultados quinquenales que se presentan en este
Item, no dan cuenta de algn tipo de variabilidad quinquenal del recurso hdrico, por
lo que el orden de los resultados debe tomarse con cautela; es decir, si bien puede
ocurrir alguna deficiencia del recurso no necesariamente puede darse en el
quinquenio indicado sino en cualquiera de ellos.
El anlisis de disponibilidad hdrica quinquenal se hizo con la finalidad de ver si era
factible determinar periodos de alternancia de eventos secos y hmedos en los
prximos 30 aos, as como los periodos de recurrencia de los mismos.
112

Tabla 12.a: Proyecciones de precipitacin anual para los tres quinquenios del perodo
2006-2020 (Modelo RAMS)
ESTACION
QUINQUENIO 1 QUINQUENIO 2 QUINQUENIO 3
NORMAL
2006 2010
2011 - 2015
2016 - 2020
QUINQUENIO
BERNAL
121.24
99.64
104.88
136.41
CHALACO
1467.12
1492.20
1502.76
1175.73
CHILACO
424.60
329.68
358.08
358.02
CHULUCANAS
518.72
466.48
476.60
464.17
CHUSIS
85.36
73.12
78.92
78.35
FRIAS
1387.72
1430.24
1432.52
1095.25
HACIENDA BIGOTE
803.56
895.92
931.44
613.09
HACIENDA SHUMAYA
1505.12
1628.04
1582.92
1196.42
HUANCABAMBA
594.28
693.52
683.76
501.13
HUARMACA
1314.12
1413.76
1440.72
997.63
LA ESPERANZA
120.44
99.88
119.32
109.11
LAMBAYEQUE
77.12
61.88
66.84
40.37
MALLARES
212.96
179.04
217.44
231.55
MIRAFLORES
185.16
176.44
174.32
210.83
MORROPON
493.00
421.32
463.88
391.89
MOTUPE
364.68
313.32
327.28
223.26
OLMOS
443.00
359.88
384.44
278.96
PAITA
169.00
147.96
161.36
175.65
PORCULLA
1365.28
1442.08
1458.84
1026.68
SAN MIGUEL
127.76
98.96
167.32
153.45
SAN PEDRO
870.08
794.72
841.96
694.39
SANTO DOMINGO
1519.56
1516.76
1553.96
1211.67
SAPILLICA
1209.56
1306.68
1303.36
952.56
SONDORILLO
562.24
620.76
630.00
451.50
TULUCE
1836.60
1968.16
1909.40
1427.73
VIRREY
572.76
533.40
582.24
452.70
Tabla 12.b: Proyecciones de precipitacin anual para lo tres quinquenios del perodo
2021-2035 (Modelo RAMS)
ESTACION
QUINQUENIO
BERNAL
CHALACO
CHILACO
CHULUCANAS
CHUSIS
FRIAS
HACIENDA BIGOTE
HACIENDA SHUMAYA
HUANCABAMBA
HUARMACA
LA ESPERANZA
LAMBAYEQUE
MALLARES
QUINQUENIO 4 QUINQUENIO 5 QUINQUENIO 6

NORMAL
2021 2025
2026 - 2030
2031 - 2036
105.68
1500.20
365.56
468.00
83.04
1430.08
863.44
1681.04
661.44
1405.16
124.24
73.20
223.12
98.64
1520.28
275.16
442.16
59.28
1452.44
884.48
1557.16
664.84
1418.04
84.00
89.48
198.20
113
115.28
1489.88
278.64
452.16
84.96
1438.16
916.80
1583.12
664.28
1408.16
99.16
105.32
148.96
136.41
1175.73
358.02
464.17
78.35
1095.25
613.09
1196.42
501.13
997.63
109.11
40.37
231.55

MIRAFLORES
MORROPON
MOTUPE
OLMOS
PAITA
PORCULLA
SAN MIGUEL
SAN PEDRO
SANTO DOMINGO
SAPILLICA
SONDORILLO
TULUCE
VIRREY
187.48
471.16
382.92
457.64
145.76
1407.20
128.00
820.44
1530.20
1281.88
626.92
2017.88
546.20
153.52
399.40
321.16
341.88
133.16
1415.60
110.64
778.64
1553.00
1318.32
624.00
1883.00
505.36
137.80
452.56
307.84
359.48
129.16
1443.52
116.12
822.20
1548.80
1320.64
582.72
1990.96
563.80
210.83
391.89
223.26
278.96
175.65
1026.68
153.45
694.39
1211.67
952.56
451.50
1427.73
452.70
En las tablas 13.a y 13.b observamos los resultados correspondientes a las

proyecciones de Evapotranspiracin anual por el mtodo Thornthwaite para cada
uno de los quinquenios considerados entre el 2006 y 2035, en base a las
proyecciones de temperatura simuladas por el modelo de regionalizacin RAMS.
Los valores estimados con el mtodo de Thornwaite han sido corregidos
empleando un factor igual a 1.5 puesto que este mtodo subestima los valores de
Evapotranspiracin.
Tabla 13.a: Evapotranspiracin proyectada en base a las proyecciones de temperatura
media anual 3 quinquenios 2006 2020 del modelo RAMS
ESTACION
ARENALES
BAYOVAR
CHILACO
CHULUCANAS
CHUSIS
CRUCETA
CURVAN
EL TABLAZO
GRANJA MILITAR SASAPE
HACIENDA PABUR
HACIENDA YAPATERA
HUANCABAMBA
HUARMACA
LA ESPERANZA
LAMBAYEQUE
MIRAFLORES
MONTEGRANDE
MORROPE
MORROPON
MOTUPE
OLMOS
SAN MIGUEL
TEJEDORES
Quinquenio 1
Quinquenio 2
Quinquenio 3
2006 2010
919.80
1713.15
2087.10
2153.70
1826.10
2186.55
2181.15
2074.50
1581.30
2485.80
2076.75
1250.55
1063.35
1753.65
1541.25
2023.65
1908.90
1625.40
2116.35
1835.55
1923.75
1929.60
2051.10
2011 - 2015
923.85
1794.60
2200.50
2325.15
1941.30
2300.85
2312.10
2214.00
1661.85
2648.70
2182.05
1254.15
1067.85
1837.80
1602.45
2181.15
2050.65
1701.90
2226.60
1935.00
2021.85
2074.50
2140.65
2016 - 2020
924.75
1764.90
2163.60
2278.80
1907.55
2266.65
2274.30
2168.10
1638.45
2607.75
2155.05
1260.00
1070.55
1807.65
1587.15
2132.55
2008.35
1683.90
2193.75
1913.40
1999.35
2030.85
2114.55
114
NORMAL
918.15
1722.24
2026.74
2101.46
1813.28
2127.59
2132.44
2014.20
1591.95
2435.60
2048.32
1246.77
1054.69
1749.32
1548.05
1978.46
1881.44
1634.27
2098.93
1839.05
1929.80
1894.09
2009.47

Tabla 13.b: Evapotranspiracin proyectada en base a las proyecciones de temperatura

media anual 3 quinquenios 2021 2035 del modelo RAMS
ESTACION
ARENALES
BAYOVAR
CHILACO
CHULUCANAS
CHUSIS
CRUCETA
CURVAN
EL TABLAZO
GRANJA MILITAR SASAPE
HACIENDA PABUR
HACIENDA YAPATERA
HUANCABAMBA
HUARMACA
LA ESPERANZA
LAMBAYEQUE
MIRAFLORES
MONTEGRANDE
MORROPE
MORROPON
MOTUPE
OLMOS
SAN MIGUEL
TEJEDORES
Quinquenio 4
Quinquenio 5
Quinquenio 6
2021 2025
924.30
1751.85
2134.80
2240.10
1882.80
2238.30
2240.55
2133.90
1615.05
2557.35
2128.95
1261.35
1070.55
1793.25
1566.45
2097.45
1977.75
1658.70
2164.05
1889.55
1975.50
2000.25
2092.50
2026 - 2030
931.50
1822.95
2244.60
2378.25
1966.95
2343.15
2355.30
2255.40
1670.85
2710.80
2223.90
1280.25
1083.15
1865.25
1607.40
2223.45
2083.95
1711.80
2271.15
1965.60
2057.40
2111.40
2177.10
2031 - 2035
927.45
1813.05
2222.55
2371.50
1964.25
2310.75
2329.20
2236.05
1660.05
2662.20
2196.45
1267.65
1074.60
1858.95
1601.10
2211.30
2077.65
1703.25
2232.45
1945.35
2033.10
2102.85
2146.95
NORMAL
918.15
1722.24
2026.74
2101.46
1813.28
2127.59
2132.44
2014.20
1591.95
2435.60
2048.32
1246.77
1054.69
1749.32
1548.05
1978.46
1881.44
1634.27
2098.93
1839.05
1929.80
1894.09
2009.47
A partir de los resultados mostrados en los dos cuadros anteriores se ha procedido

a la elaboracin de los mapas de Precipitacin y Evapotranspiracin que viene a
constituir la disponibilidad y demanda hdrica respectivamente, para luego por
diferencia entre los mapas de Precipitacin y Evapotranspiracin hallar los mapas
de Balance para cada uno de los tres quinquenios pronosticados, de igual manera
se elaboraron los mapas de anomalas de Precipitacin, anomalas de
Evapotranspiracin y anomalas de Balance Hdrico para cada uno de los
quinquenios pronosticados.
5.3.2.1
Disponibilidades hdricas
rea de Inters del Bajo Piura
Analizando los mapas de disponibilidades en cada uno de los seis
quinquenios en la zona baja del rea de inters las precipitaciones varan de
60 mm a 110 mm. En la zona media del rea de inters las precipitaciones
varan de 110 mm a 130 mm en algunos quinquenios; entre 90 a 110 mm en
otros y entre 100 a 115 hacia el ltimo quinquenio. En la zona alta del rea
de inters las precipitaciones vararan entre 130 mm a 150 mm en los
primeros quinquenios, entre 110 mm y 130 mm en alguno de los
115

quinquenios intermedios y entre 115 mm a 125 mm hacia el final del periodo

analizado (ver apndice 1).
rea de Inters de San Francisco
Analizando los mapas de disponibilidades en cada uno de los seis
quinquenios en la zona baja del rea de inters las precipitaciones se
mantienen constantes entre un rango de 150 mm a 450 mm en todos los
quinquenios. En la zona media del rea de inters las precipitaciones se
mantienen constantes de 450mm a 700mm en los primeros quinquenios y
entre 450 a 750 mm en los ltimos quinquenios. En la zona alta del rea de
inters, las precipitaciones oscilaran entre 650 y 1050 mm., con algunos
variaciones en algunos de los quinquenios analizados. (ver apndice 1).
rea de Inters de Yapatera
En la parte baja las precipitaciones oscilaran entre 400 mm a 750 mm en
los primeros quinquenios y entre 400 mm a 750 mm en el sexto quinquenio.
En la zona media del rea de inters las precipitaciones variaran entre 700
mm a 1050 mm. En la zona alta del rea de inters las precipitaciones
variaran entre 1050 mm a 1400 mm. (ver apndice 1).
5.3.2.2
Demandas hdricas
Analizando los mapas de demanda en cada uno de los seis quinquenios en
la zona baja del rea de inters la evapotranspiracin oscilara entre 1840
mm y 1880 mm al inicio del periodo de estudio, para luego presentar un
ligero incremento entre 1900 y 2050 mm en los quinquenios posteriores.
En la zona media del rea de inters la evapotranspiracin variara entre
1880 mm y 1940 mm en el primer quinquenio y de 2000 mm a 2110 mm en
los quinquenios finales.
En la zona alta del rea de inters, la evapotranspiracin vara en general
entre 1940 mm y 2140 mm. (ver apndice 2).
Los mapas de demanda indican que en la zona baja del rea de inters la
evapotranspiracin oscilara entre 2170 mm y 2050 mm en el primer
quinquenio para luego presentar un ligero incremento en los quinquenios
restantes. En la zona media del rea de inters la evapotranspiracin
variara entre 1900 mm y 2150 mm. En la zona alta del rea de inters la
evapotranspiracin sera menor, oscilando entre 1900 mm y 1650 mm en
los quinquenios iniciales y entre 2000 mm y 1750 mm en los quinquenios
finales (ver apndice 2).
116


Analizando los mapas de demanda en cada uno de los seis quinquenios en
la zona baja del rea de inters la evapotranspiracin variara de 1950 mm a
2400. En la zona media del rea de inters la evapotranspiracin variara de
1650 mm a 2100 mm en general. En la zona alta del rea de inters la
evapotranspiracin sera menor con valores que oscilaran entre 1150 mm y
1750 mm. (ver apndice 2).
5.3.2.3
Balance hdrico
Analizando los mapas quinquenales de balance hdrico, los dficit en la
zona baja del rea de inters seran menores a inicios del periodo de
anlisis (de -1740 mm a -1770 mm) y se presentara un mayor dficit en
alguno de los quinquenios posteriores (de -1900 mm a -1940 mm).
Valores similares se encontraran en la zona media del rea de inters; y en
la parte alta del rea de inters los dficit variaran de -1800 mm a -1840
mm en el quinquenio inicial y se acentuara a finales del periodo de estudio
con valores que oscilaran entre -1980 mm y -2040 mm. (ver apndice 3).

Analizando los mapas de balance en la zona baja del rea de inters los
dficit variaran entre -2010 mm a -1600 mm a inicios del periodo, de -2100
a -1650 mm en alguno de los quinquenios intermedios y de -2180 mm a 1800 mm en los quinquenios finales.
En la zona media del rea de inters los dficit proyectados disminuiran,
oscilando entre -1600 mm y -1100 mm al inicio del periodo analizado,
aumentando ligeramente en los quinquenios intermedios entre -1650 mm y 1200 mm y de -1800 mm a -1350 mm en los quinquenios finales.
En la zona alta del rea de inters los dficit seran menores y variaran
entre -1100 mm a -700 mm en el quinquenio inicial y de -1350 mm a -700
mm en los ltimos quinquenios. (ver apndice 3).
Los mapas de balance hdrico en la zona baja de Yapatera indican dficit,
los cuales variaran de -1750 mm a -1200 mm en alguno de los quinquenios
iniciales y de -2000 mm a 1300 mm en alguno de los quinquenios finales.
En la zona media, los dficit seran menores y variaran entre -1200 mm y 600 mm en alguno de los quinquenios iniciales y entre -1300 a -600 mm a
finales del periodo proyectado.
Las proyecciones de balance hdrico al 2030 indican que en la zona alta de
Yapatera, los dficit seran menores que la parte baja y media de esta rea
117

de inters, oscilando entre -600 mm y 200 mm en la mayora de los

quinquenios analizados. (ver apndice 3).
5.3.2.4 Anomalas de disponibilidades hdricas (precipitacin)
Respecto a las anomalas de precipitacin en los tres primeros quinquenios,
segn se visualiza en los 3 mapas correspondientes (ver mapas en anexo
B), el rea de inters del Bajo Piura tendra un dficit entre 0 y -25 mm al
inicio de esta proyeccin y entre -10 y -20 mm hacia finales del 2020.
El rea de San Francisco tendra supervit crecientes durante los tres
primeros quinquenios que fluctuaran desde 0 hasta 275 mm.
Finalmente la sub cuenca Yapatera tendra un comportamiento bastante
estable con supervit fluctuando entre los 50 a 350 mm a inicios del periodo
proyectado y entre 0 a 400 mm al 2020, lo cual es parte de su variabilidad
normal.
Adicionalmente, para los quinquenios 4, 5 y 6, ver apndice 4.
5.3.2.5
Anomalas de demandas potenciales hdricas (evapotranspiracin)

Observando los mapas de anomalas de demandas hdricas potenciales de
los tres quinquenios (ver mapas anexo B), podemos decir que las anomalas
son positivas, lo cual indica que los valores de evapotranspiracin en los
tres quinquenios superaran sus valores normales. Se observa tambin un
ncleo marcado en la cuenca media en donde se concentran las mayores
anomalas, esta zona est ubicada al sur-oeste de la ciudad de Chulucanas.
Existen comportamientos similares entre los quinquenios 2 y 3 en cuanto a
magnitud de anomalas, ambos superan los valores de anomalas obtenidos
en el quinquenio 1.
Las anomalas en la sub cuenca del Bajo Piura vararan entre 15 mm en su
parte baja a 40 mm en su parte alta a inicios del periodo proyectado y de
100 mm en su parte baja a 190 mm en su parte alta, en los dos quinquenios
siguientes.
En la sub cuenca de San Francisco varan desde 50 mm en su parte ms
baja a 25 mm en su parte ms alta; no obstante, esta anomala variara
entre 180 mm en la parte ms baja hasta los 70 mm en la parte ms alta en
alguno de los quinquenios posteriores.
Finalmente, en la sub cuenca de Yapatera las anomalas variaran desde
50 mm en la parte baja hasta 10 mm en la parte ms alta, incrementndose
esta anomala en los quinquenios siguientes, especialmente en la parte baja
de esta rea de inters con anomalas de hasta 210 mm.
118

5.3.2.6
Anomalas de Balance Hdrico

Observando los mapas de anomala de balance hdrico para los tres
quinquenios podemos decir que las anomalas son negativas (dficit) en la
parte baja y fluctan entre deficitario, normal y superior al histrico en las
Cuencas de San Francisco y Yapatera. Adems se puede identificar un rea
con mayor dficit hdrico a inicios del periodo proyectado ubicado entre las
estaciones Miraflores y Tambogrande. Para los siguientes quinquenios, este
dficit muestra un desplazamiento y se ubica entre las estaciones Miraflores
y Chulucanas.
En el cuadro resumen 7(a,b y c), se muestran los resultados proyectados
para las tres sub cuencas de inters y para los seis quinquenios:
Cuadro Resumen 7: Anomalas de Disponibilidades Hdricas (a), Demandas Potenciales

Hdricas (b) y de Balance Hdrico (c) en la Cuenca del Ro Piura por
quinquenios (2006-2020) en el escenario A2.
ANOMALIAS DE DISPONIBILIDADES HIDRICAS
Q1
Q2
Q3
Q4
Q5
Q6
BAJO PIURA ( mm ) SAN FRANCISCO ( mm ) YAPATERA ( mm )

0 a -25
0 a 200
50 a 350
-20 a -50
0 a 250
0 a 375
-10 a -20
0 a 275
0 a 400
(a)
0 a -30
0 a 250
0 a 400
-30 a -50
0 a 275
-25 a 400
0 a -50
0 a 275
-25 a 400
ANOMALIAS DE DEMANDAS POTENCIALES HIDRICAS
Q1
Q2
Q3
Q4
Q5
Q6

15 a 40
50 a 25
50 a 10
130 a 190
180 a 90
210 a 30
(b)
100 a 140
140 a 70
170 a 20
70 a 110
110 a 60
130 a 20
160 a 230
230 a 110
270 a 50
150 a 220
200 a 90
260 a 40
ANOMALIAS DE BALANCE HIDRICO
Q1
Q2
Q3
Q4
Q5
Q6

-10 a -60
-50 a 175
0 a 350
-140 a -240
-175 a 175
-225 a 350
(c)
-150 a -225
-150 a 200
-200 a 350
-80 a -140
-110 a 200
-140 a 360
-180 a -280
-220 a 160
-300 a 350
-150 a -270
-200 a 200
-250 a 350
119

En resumen:
El comportamiento pluviomtrico en el Bajo Piura y parte de la Cuenca Media
es por naturaleza deficitario, este dficit es cubierto por el reservorio Poechos
mediante un sistema de canales que trasvasan el agua de la Cuenca del Ro
Chira a la Cuenca del Piura.
Segn los mapas de escenarios generados para los seis quinquenios y con la
incertidumbre que se presenta en todos los modelos, se concluye que:
Es probable que se presenten las mayores anomalas en las variables

evapotranspiracin y consecuentemente en balance hdrico en alguno de
los quinquenios segundo, tercero, quinto y sexto
Es probables que el mayor dficit de balance hdrico se presentara

despus del 2025 y en las tres reas de inters:
rea de inters del Bajo Piura:
Las precipitaciones seran deficitarias en los seis quinquenios, lo cual

sumado al incremento de evapotranspiracin se traducir en un dficit de
balance hdrico en los seis quinquenios.
En el mejor de los casos el dficit de balance sera de 10 mm en la parte

baja y de 60 mm en la parte alta.
En el peor de los casos el dficit de balance sera de de 180 mm en la

parte baja y de 280 mm en la parte alta.
rea de inters Sub Cuenca de San Francisco
Las precipitaciones en las partes altas de esta sub cuenca seran

superiores aproximadamente en 250 mm respecto a su valor medio
histrico en los seis quinquenios; sin embargo la evapotranspiracin en
algunas zonas sera superior a la precipitacin lo cual resultara en un
balance hdrico deficitario en la parte baja, un balance prximo al normal
en la parte media y ligeramente superior al histrico en la parte alta de
esta sub cuenca.
En el mejor de los casos el balance hdrico superara sus valores

normales en las partes altas de esta sub cuenca, pudindose presentar
excesos de hasta 200 mm en los quinquenios finales del periodo
proyectado.
En el peor de los casos el balance hdrico sera deficitario hasta en 220

mm, esto se podra presentar en las partes bajas de esta sub cuenca.
120

rea de inters Sub Cuenca de Yapatera
Las precipitaciones esperadas para las partes altas de esta sub cuenca
seran superiores en 390 mm en promedio en todos los quinquenios
mientras que en las partes bajas podran ser deficitarias hasta en 25 mm
en los quinquenios finales.
En el mejor de los casos el balance hdrico superara sus valores

normales en las partes altas de esta sub cuenca, pudindose presentar
excesos de hasta 350 mm en la mayora de los quinquenios analizados.
En el peor de los casos el balance hdrico sera deficitario hasta en 300

mm, esto se podra presentar en las partes bajas de esta sub cuenca.
121

5.4
DISPONIBILIDAD DE AGUA REGULADA PARA LA CUENCA DEL BAJO PIURA Y

PARTE DEL MEDIO PIURA
A travs del trasvase de las aguas del sistema regulado de Poechos el Proyecto
Especial Chira - Piura dota de 70m3/s de agua al rea de inters del Bajo Piura y
Cuenca Media de Piura, los cuales en los momentos actuales cubren los dficit de
los balances histricos mostrados en los resultados los cuales tambin tendran
que cumplir la misma funcin en el futuro ya que los balances para el escenario
futuro A2 en cada uno de sus quinquenios analizados tambin presentan dficit.
5.4.1 Mxima Duracin de Perodo Seco Histrico
Bajo Piura
El anlisis de los mapas de Maxima Duracin de Perodo Seco Histrico
indica que en la zona baja vara de 12 aos en el trimestre DEF a 7 aos en el
trimestre MAM, en la zona media de 10 aos en el trimestre DEF a 8 aos en
el trimestre MAM y en la zona alta de 8 aos en el trimestre DEF a 9 aos en
el trimestre MAM.
Sub cuenca de San Francisco
Analizando los mapas de Mxima Duracin de Perodo Seco histrico se
observa que en la zona baja vara de 7 aos en el trimestre DEF a 9.5 aos
en el trimestre MAM, en la zona media de 7.5 aos en el trimestre DEF a 8.5
aos en el trimestre MAM, en la zona alta de 8 aos en el trimestre DEF a 7.5
aos en el trimestre MAM.
Sub cuenca de Yapatera
Analizando los mapas de Mxima Duracin de Perodo Seco se observa que
en la zona baja vara de 6 aos en el trimestre DEF a 9 aos en el trimestre
MAM, en la zona media de 6.5 aos en el trimestre DEF a 7 aos en el
trimestre MAM, en la zona alta de 7 aos en el trimestre DEF a 6.5 aos en el
trimestre MAM.
5.4.2 Mxima Duracin de Perodo Seco Pronosticado escenario A2 20042020
Bajo Piura
Analizando los mapas de Mxima Duracin de Perodo Seco Pronosticado en
la zona baja, estos variaran de 3.2 en el trimestre DEF a 3 aos en el
trimestre MAM, en la zona media variara de 3.5 en el trimestre DEF a 3.2
aos en el trimestre MAM, en la zona alta de 3.4 en el trimestre DEF a 3.6
122


Analizando los mapas de Mxima Duracin de Perodo Seco en la zona baja,
estos variaran de 1.6 aos en el trimestre DEF a 1.7 aos en el trimestre
MAM, en la zona media variara de 1.3 aos en el trimestre DEF a 1.4 aos
en el trimestre MAM, en la zona alta de 1.1 aos en el trimestre DEF a 1 ao
en el trimestre MAM.
El anlisis de los mapas de Mxima Duracin de Perodo Seco indica que en
la zona baja variara de 1.1 aos en el trimestre DEF a 1.5 aos en el
trimestre MAM, en la zona media variara de 1 ao en el trimestre DEF a 1.2
aos en el trimestre MAM, en la zona alta variara de 0.8 en el trimestre DEF
a 1 ao en el trimestre MAM.
5.4.3 Tiempo de Retorno de Perodo Seco Histrico
Bajo Piura
El anlisis de los mapas de Tiempo de Retorno de Perodo Seco Histrico
muestra que en la zona baja los perodos de retorno varan de 3.5 aos en el
trimestre DEF a 5 aos en el trimestre MAM, en la zona media de 4 aos en el
trimestre DEF a 5.5 aos en el trimestre MAM, en la zona alta el perodo de
retorno es de 4 aos en ambos trimestres.
El anlisis de los mapas de Tiempo de Retorno de Perodo Seco Histrico
muestra que en la zona baja los perodos de retorno varan de 4.7 aos en el
trimestre DEF a 3.5 aos en el trimestre MAM, en la zona media vara de 4.6
en el trimestre DEF a 4 aos en el trimestre MAM, en la zona alta el perodo
de retorno se mantiene con un valor constante de 5 aos en ambos
trimestres.
Analizando los mapas de Tiempo de Retorno de Perodo Seco Histrico se
observa que en la zona baja vara de 5 aos en el trimestre DEF a 4 aos en
el trimestre MAM, en la zona media de 5.5 aos en el trimestre DEF a 5 aos
en el trimestre MAM, en la zona alta vara de 6 aos en el trimestre DEF a 6.5
5.4.4
Tiempo de Retorno de Perodo Seco Pronosticado escenario A2 20042020

Bajo Piura
El anlisis de los mapas de tiempo de retorno pronosticado en la zona baja,
indica que variara de 5 aos en el trimestre DEF a 6.5 aos en el trimestre
123

MAM, en la zona media de 5 aos en el trimestre DEF a 6 aos en el

trimestre MAM, en la zona alta de 5.5 aos en el trimestre DEF a 4.5 aos
Analizando los mapas de tiempo de retorno en la zona baja indican que
estos variaran de 13 aos en el trimestre DEF a 12 aos en el trimestre
MAM, en la zona media de 14.5 aos en el trimestre DEF a 13.5 aos en el
trimestre MAM y en la zona alta de 16 aos en el trimestre DEF a 15 aos
Analizando los mapas de tiempo de retorno en la zona baja indican que
estos variaran de 16.5 aos en el trimestre DEF a 15 aos en el trimestre
MAM, en la zona media de 17 aos en el trimestre DEF a 12 aos en el
trimestre MAM y en la zona alta de 18 aos en el trimestre DEF a 16 aos
124

Captulo V: Regionalizacin Estadstica
CAPITULO VI -
REGIONALIZACION ESTADISTICA
Dado que los modelos de circulacin general (MCG) tienen menor resolucin
espacial, su representacin del clima en la escala regional necesita de
aproximaciones empricas (estadsticas) lo que se denomina Regionalizacin o
Downscaling. La regionalizacin es un trmino adoptado en los ltimos aos que
describe un conjunto de tcnicas que relacionan las variables climticas de la
escala local o regional con los forzamientos atmosfricos de la gran escala
(Hewitson BC, Crane RG, 1996).
Las relaciones entre las variables climticas de gran escala y las variables locales
pueden ser aplicadas a la generacin de escenarios climticos, dado 2 asunciones
(Goodess C. M., 2003):
Confiabilidad de los modelos climticos para generar las variables de

gran escala
Estacionalidad, por la cual esta relacin entre estas dos escalas

permanece inalterable a un cambio climtico.
Entonces, para este caso, revisando informacin histrica de la precipitacin en el

rea de Piura, observamos que durante algunos episodios del Fenmeno El Nio,
tal como los correspondientes a 1982-83 y 1997-98 present fuerte desarrollo de
tormentas y una alta frecuencia de lluvias, siendo la caracterstica principal de dicho
fenmeno el calentamiento anmalo de la superficie del mar en el Ocano Pacfico
Ecuatorial. Por esto, se plante la hiptesis de que tal temperatura podra ser un
adecuado predictor de la precipitacin en el rea, es decir que dependiendo de las
anomalas de dicha temperatura en el Ocano Pacfico, se podra tener una mayor
o menor precipitacin en el rea de inters.
6.1
METODOLOGIA
Para realizar un estudio complejo, as como determinar el grado de asociacin de

ambas variables (temperatura superficial del mar - TSM y lluvias en la zona de
Piura), no se puede recurrir a los mtodos comunes de correlacin lineal ya que
tanto la precipitacin como la temperatura del mar se miden en diferentes puntos
de su correspondiente rea en diferentes das, meses y aos. En otras palabras se
realiza un anlisis estadstico de la correlacin espacio-temporal de la temperatura
del mar en el Ocano Pacfico con la precipitacin en Piura, la cual se denomina
Funciones Ortogonales Empricas (EOF), para posteriormente realizar el Anlisis
de Correlacin Cannica (CCA). Estos mtodos nos reafirmaron que la temperatura
de agua de mar es el adecuado predictor.
Por lo tanto, teniendo en cuenta esta relacin, se procedi a identificar, dentro de
los pronsticos de la temperatura superficial del mar (TSM) para la regin de Nio
3, los modelos que indican los incrementos mximos as como los incrementos
mnimos. Asimismo, se seleccionaron los dos modelos que tienen mayor habilidad
de pronosticar El Nio (MPIfM y NCAR-PCM) para poder establecer esa relacin.
Estos resultados nos darn la tendencia de los prximos 50 aos durante el
perodo de Enero a Marzo, poca de las mximas precipitaciones durante el
perodo lluvioso normal de la zona.
125

Los datos de la TSM provenientes de los modelos, para poder ser empleados se
les ha ajustado, ya que por el tipo de resolucin en que trabajan tienen un rango
amplio de valores al inicio. Para esto se les encontr el error sistemticode cada
modelo y se procedi a sustraerlo.
6.2
RESULTADOS
En esta ocasin, se trabaj solamente con la estacin de Chulucanas, la cual tiene

muy buena corrrelacin con la circulacin de escala global (r=0.8) y por lo tanto
puede ser tomada como una estacin piloto en esta regionalizacin.
Teniendo en cuenta los datos observados de las precipitaciones en la zona de
Chulucanas desde 1950 2003 y de la TSM en la regin Nio 3 para ese mismo
perodo, se pudo encontrar una relacin funcional de segundo grado entre ambas
regiones con un coeficiente de correlacin del 90% (ver Fig. 51).
Relacin entre la TSM y la Precipitacin en Chulucanas

Trimestre EFM
3000
PP Total EFM
2500
2000
1500
1000
R = 90%
500
0
25.0
25.5
26.0
26.5
27.0
27.5
28.0
28.5
29.0
29.5
Nio3
Fig. 51 Relacin funcional de segundo grado entre la TSM de la regin Nio 3 y las
precipitaciones en Chulucanas en el trimestre EFM
Por otro lado, con los resultados de los modelos globales (Fig.23), se identificaron
los escenarios extremos de calentamiento en la zona del Nio 3 y se determinaron
3 escenarios. Asimismo, se seleccionaron los escenarios del modelo MPIfM y
NCAR PCM B2 por ser los modelos que tienen mejor habilidad de pronosticar El
Nio.
Dentro de los escenarios de mximo calentamiento y pertenecientes al escenario
pesimista A, hemos tomado los resultados de los modelos de Canad CCCma A2 y
del modelo Japons CCRS/NIES A1 y se ha obtenido la tendencia de las
precipitaciones para esta zona durante los prximos cincuenta aos en el perodo
Enero a Marzo, lo que se observa en la Figura 52 (a,b), respectivamente.
126

a ) Tendencia de la Precipitacin en CHULUCANAS

Modelo CCCma - Escenario A2
3000
2500
PP mm/trimestre
2000
1500
1000
500
0
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045
tiempo
b) Tendencia de la Precipitacin en CHULUCANAS

Modelo CCRS/NIES - Escenario A1
3000
2500
PP mm/trimestre
2000
1500
1000
500
0
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045
tiempo
Fig. 52 (a,b) Tendencia de la precipitacin para los escenarios A2 (arriba) y A1 (abajo) en

Chulucanas
127

De la Figura 52 (a,b) podemos observar que las precipitaciones estaran por

encima de sus promedios normales hacia los ltimos 25 aos del perodo, siendo
ms intensas en el escenario CCRS/NIES A1. Cabe sealar que el promedio
normal para el primer trimestre de ao es de 300 mm.
En la Figura 53, se observan las tendencias de las precipitaciones por el escenario
optimista B del modelo Japons CCRS/NIES B1. Se muestra una similar tendencia
pero en menor intensidad respecto a la figura anterior.
Tendencia de la Precipitacin en CHULUCANAS

Modelo CCRS/NIES - Escenario B1
3000
PP mm/trimestre
2500
2000
1500
1000
500
0
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045
Fig. 53 Tendencia de la precipitacin para el escenario B1 en Chulucanas
De las figuras 52 y 53, podemos observar que desde la actualidad hasta el ao

2020, las lluvias en la zona de Chulucanas tienden a presentarse de normal a
ligeramente deficientes. Asimismo, no se observa presencia de picos altos de
precipitaciones tal como es la variabilidad natural de la zona y es debido a que
estos modelos no simulan muy bien estos episodios de Nio, por lo cual se
adicionaron otros tres escenarios que simulan (hindcasts) con mayor eficacia los
eventos El Nio.
Se analizaron las salidas de los dos modelos que simulan mejor los eventos El Nio
y se obtuvo la Figura 54 (a,b) en las que se muestran los dos escenarios extremos
del modelo MPIfM. Con estos nuevos resultados se observan diferencias con las
figuras anteriores ya que estos nuevos resultados muestran una variabilidad ms
cercana al perodo observado entre 1950 - 2004.
.
128

a) Tendencia de la Precipitacin en CHULUCANAS

Modelo MPIfM - Escenario A2
3500
3000
PP mm/trimestre
2500
2000
1500
1000
500
0
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045
b) Tendencia de la precipitacin en CHULUCANAS

Modelo MPIfM - Escenario B2
3500
3000
PP_EFM
2500
2000
1500
1000
500
0
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045
Tiempo
Fig. 54(a,b) Tendencia de la precipitacin de los escenarios extremos A2 (arriba) y B2

(abajo) del Modelo MPIfM
129

De la Figura 54 (a,b) podemos observar que las precipitaciones sobre Chulucanas

para el escenario A2 presentar una alta frecuencia de episodios de lluvias fuertes
cuya intensidad ir creciendo con respecto al tiempo, esto es, el mayor incremento
de intensidad de las precipitaciones se dar entre el 2030 al 2050, mientras que en
el escenario B2 la frecuencia de episodios es menor y est concentrado entre el
2010 -2035.
De similar forma se obtuvo la Figura 55 que corresponde al modelo NCAR, en la
cual se muestra que los episodios de fuerte lluvia tienen una frecuencia similar al
escenario B2 de MPIfM y estn concentrados durante todo el perodo futuro 2005
2050.
Tendencia de la precipitacin en CHULUCANAS
Modelo NCAR-PCM - Escenario B2
3500
PP mm/trimestre
3000
2500
2000
1500
1000
500
0
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045
Fig. 55 Tendencia de la precipitacin en Chulucanas proyectada por el Modelo NCAR-PCM en

el escenario B2
De las Figuras 54 y 55 se puede obtener que el promedio de las precipitaciones

para el trimestre EFM en la zona de Chulucanas, se incrementara respecto al valor
actual, debido a esta relativa frecuencia de lluvias fuertes.
En resumen:
De acuerdo a la regionalizacin estadstica es muy probable que las

precipitaciones medias del perodo EFM para Chulucanas se incrementen,
debido a la mayor frecuencia de episodios fuertes de precipitaciones
asociados a El Nio, lo cual sera una caracterstica de la Cuenca Media del
ro Piura.
Si slo nos referimos a los modelos, que dentro del rango de prediccin
presentan buena performance para el pronstico de eventos extremos
probablemente asociados a la ocurrencia de El Nio, podemos concluir que
dos de los tres escenarios nos indican que se presentaran precipitaciones en
tres oportunidades, dentro del perodo 2005-2050, con lluvias similares o
mayores a El Nio 1982-83, pero de menor magnitud que el episodio 1997-98.
Asimismo, un escenario indica que slo habr un evento con lluvias mayores
al evento 1982-83 pero menores al de 1997-98.
130

Captulo VII: Anlisis de Extremas Regionales
CAPITULO VII -
ANALISIS DE EXTREMOS REGIONALES
Si en un lugar desrtico como la parte baja del departamento de Piura un cierto da

de 1983 o 1998 precipita en un solo da 100 mm de lluvia, podemos decir que ese
es un evento extremo de precipitacin en esa zona debido a que es un fenmeno
no muy comn e intenso. Por otro lado si en algn lugar de Europa o de Australia
donde las temperaturas mximas normalmente no exceden de los 27 C, en un
cierto da stas son mayores de 40C, ese tambin es un evento climtico extremo.
Por consiguiente podemos definir un evento extremo como un episodio climtico
raro que impacta a una poblacin. En el presente Captulo, vamos a considerar
eventos de precipitacin y temperaturas extremas en la Cuenca del Ro Piura.
Aunque nuestro inters general es toda la cuenca, prestaremos mayor atencin a la
regin del Bajo Piura y sub cuencas de San Francisco y Yapatera, segn lo
solicitado por las autoridades de esta regin. (ver mapas en Anexo C).
7.1 METODOLOGIA
Para el anlisis se hizo uso del software denominado STARDEX desarrollado en la
Unidad de Investigacin de Clima de la Universidad de East Anglia del Reino Unido
(UK). En el referido software, el elemento estadstico bsico es el percentil. Para un
mejor entendimiento de este concepto, consideremos por ejemplo el percentil 95 de
la precipitacin. Dicho percentil, que denominaremos P, se calcula de manera que
el 95% de las observaciones de precipitacin durante un perodo determinado sean
menores que P, y el 5% de ellas, mayores que P. En lugar del percentil 95,
podemos usar otros valores y as definir el percentil 90, 80, 10, etc.
Para una mejor comprensin, consideremos un ejemplo en el que el percentil 95 de
la precipitacin durante el perodo Diciembre 1982 Febrero 1983 sea de 71
mm/da en Chulucanas. Adicionalmente consideremos que durante el mismo
perodo la precipitacin promedio total es 810 mm en los 90 das del perodo, es
decir una media de 9 mm/da.
Un percentil 95 de 71 mm significa que slo en el 5% (aproximadamente 4 casos)
del nmero total de observaciones diarias de precipitacin (90 das) de diciembre a
febrero, la lluvia registrada fue mayor que 71 mm. Ello nos permite considerar a
dicha lluvia como un evento extremo y no muy comn ya que ocurre solamente
durante un 5% del nmero total de las observaciones.
Se puede apreciar la diferencia de ese evento extremo de 71 mm de precipitacin
en un da con la precipitacin promedio diaria de 9 mm durante el perodo. La
precipitacin extrema fue mucho mayor que la media diaria.
Ahora consideremos el ao de 1984 en el que el percentil 95 de la precipitacin en
el mismo lugar y perodo fue de 28 mm/da. Adicionalmente se ha calculado que la
precipitacin promedio en el perodo fue de 2.7 mm/da. Nuevamente puede
concluirse que solo en 4 observaciones (5%) del total de mediciones (90) se
registraron lluvias mayores que 28 mm por lo que puede afirmarse que ese fue
tambin un evento extremo de precipitacin ese ao. Puede apreciarse
nuevamente la diferencia notable entre la intensidad de la lluvia de 28 mm/da en el
evento extremo y la precipitacin promedio de 2.7 mm/dia.
Adicionalmente podemos apreciar la diferencia de las intensidades de la
precipitacin durante los eventos extremos mediante el percentil 95. Durante El
131

Nio de 1983 sta fue de 71 mm mientras que durante La Nia de 1984, fue de
slo 28 mm, indicando claramente que mayores valores extremos de precipitacin
pueden esperarse durante los eventos El Nio. Los mismos conceptos pueden
aplicarse a otras variables.
Con datos histricos de precipitacin y temperatura de estaciones meteorolgicas
(aproximadamente 30 aos), ubicadas en la Cuenca del Ro Piura (ver tabla 14), se
determin las tendencias de los mximos valores extremos (percentil 95) de
precipitacin y mximos valores extremos (percentil 90) de temperatura mxima y
mnima para los trimestres diciembre-enero-febrero (DEF) y marzo-abril-mayo
(MAM).
Tabla 14: Estaciones meteorolgicas utilizadas para el anlisis de eventos extremos de
precipitacin y temperaturas mxima y mnima en la Cuenca del ro Piura
Estacin
Ayabaca
Huancabamba
Chulucanas
Chusis
Miraflores
Morropn
San Miguel
Tejedores
Sapillica
Chalaco
Hacienda Bigote
Virrey
Longitud
-79.72
-79.55
-80.17
-80.83
-80.62
-79.98
-80.68
-80.23
-79.98
-79.83
-79.78
-80.00
Latitud
-4.63
-5.25
-5.10
-5.52
-5.17
-5.18
-5.23
-4.75
-4.78
-5.03
-5.33
-5.50
Altitud
2700
1950
29
14
30
150
29
230
1456
2276
200
230
Adicionalmente, para determinar las tendencias de los valores extremos de esos

parmetros para los prximos 30 aos en la Cuenca del ro Piura, se aplic el
mismo programa STARDEX a los pronsticos de precipitacin, temperatura
mxima y mnima obtenidos mediante la regionalizacin de escenarios climticos
con el modelo atmosfrico RAMS. En este caso slo se han considerado los
resultados de emisiones A2, para dos perodos de proyeccin: 2004-2020 y 20212035.
7.2
RESULTADOS
7.2.1 Anlisis de la informacin histrica

7.2.1.1
Precipitacin extrema histrica
A continuacin se presentan series de tiempo del percentil 95 (Fig. 56-60) de la

precipitacin en algunas estaciones de la Cuenca del Ro Piura durante los
trimestres DEF y MAM.
La caracterstica ms notable del anlisis histrico, es la presencia de tendencias
positivas de las precipitaciones extremas en la mayora las estaciones analizadas.
As por ejemplo, en la estacin Virrey (Fig. 56) se encontr valores altos de
aproximadamente 100 mm/100 aos para DEF. Un panorama similar se puede
observar en las estaciones de Hda. Bigote, Morropn, y Ayabaca. En el trimestre
MAM las tendencias son variadas, con valores positivos altos en las estaciones de
132

Hda. Bigote, mientras que en la estacin Morropn se observa una tendencia

ligeramente negativa (Fig. 58).
Coherentemente con la informacin descrita, en los mapas C.1 y C.2 (ver anexo C),
se presentan dichas tendencias del percentil 95 de la precipitacin durante DEF y
MAM respectivamente. En el trimestre DEF, claramente puede apreciarse un centro
de mximo valor de la tendencia cerca de Virrey con una intensidad de alrededor
de 100 mm/100 aos (mapa C.1). Las tendencias disminuyen progresivamente
hacia el norte. Valores altos tambin son notorios cerca de Miraflores y San Miguel
(aproximadamente 50 mm/100 aos).
En el trimestre MAM (mapa C.2), la zona cercana a Morropn y Chulucanas es la
de menor crecimiento del percentil 95, mientras que regiones ubicadas en los
alrededores de Tejedores y Hda. Bigote son las de mayor incremento.
En el mismo anexo C, se presentan los mapas C.3 y C.4 de los mximos valores
del percentil 95 de precipitacin; es decir, los valores extremos ms altos de la
precipitacin para los trimestres DEF y MAM respectivamente. Estos mapas son
indicadores de mximos extremos de precipitacin en diferentes partes de la
cuenca. Por ejemplo si en una estacin el indicador tiene un valor de 120 mm, ese
es el mayor valor del percentil 95 de la precipitacin alcanzada en los aos de
registro histrico.
Durante DEF y MAM las estaciones de Virrey, Chusis, Miraflores y San Miguel, son
las que presentan los mximos extremos de precipitacin, alcanzando valores
cercanos a 110 mm/da y 150 mm/da (ver mapas C.3 y C.4). Esta informacin nos
indica que la referida zona es la que soporta los mximos riesgos de
precipitaciones extremas con valores cercanos a 120 mm/da. En el resto de la
Cuenca, los valores se encuentran en el rango de los 50 mm/da.
Una demostracin de la veracidad de nuestra afirmacin es la relacin que se
puede apreciar entre los mapas C.1 y C.3. Regiones de altas tendencias tienen
altos valores de precipitaciones extremas.
133

Precipitacion Extrema Historicas

Trimestre DEF
Virrey
5.5S - 80W, 230 m snm
140
PP - Percentil95 (mm)
120
100
80
60
40
20
0
1970
1975
1980
1985
1990
1995
2000
1995
2000
aos

Trimestre MAM
Virrey
5.5S - 80W, 230 m snm
160
140
120
100
80
60
40
20
0
1970
1975
1980
1985
1990
aos
Fig.56 Precipitacin extrema histrica (percentil 95) durante DEF y MAM Estacin Virrey
134


Trimestre DEF
Hacienda Bigote
5.4S - 79.7W, 200 m snm
70
60
50
40
30
20
10
0
1970
1975
1980
1985
1990
1995
2000
aos

Trimestre MAM
Hacienda Bigote
5.4S - 79.7W, 200 m snm
60
50
40
30
20
10
0
1970
1975
1980
1985
1990
1995
2000
aos
Fig. 57 Precipitacin extrema histrica (percentil 95) durante DEF y MAM Estacin
Hacienda Bigote
135

Precipitacion Extrema Historica

Trimestre DEF
Morropon
5.2S - 80W, 150 m snm
80
70
60
50
40
30
20
10
0
1970
1975
1980
1985
1990
1995
2000
aos

Trimestre MAM
Morropon
5.2S - 80W, 150 m snm
140
120
100
80
60
40
20
0
1970
1975
1980
1985
1990
1995
2000
aos
Morropn
136


Trimestre DEF
Chalaco
5.0S - 79.7W, 2276 m snm
45
40
35
30
25
20
15
10
5
0
1970
1975
1980
1985
1990
1995
2000
1995
2000
aos

Trimestre MAM
Chalaco
5.0S - 79.7W, 2276 m snm
55
50
45
40
35
30
25
20
15
10
1970
1975
1980
1985
1990
aos
Chalaco
137


Trimestre DEF
Ayabaca
4.7S - 79.7W, 2700 m snm
60
50
40
30
20
10
0
1970
1975
1980
1985
aos
1990
1995
2000

Trimestre MAM
Ayabaca
4.7S - 79.7W, 2700 m snm
70
60
50
40
30
20
10
1970
1975
1980
1985
1990
1995
2000
aos
Ayabaca
138

7.2.1.2
Temperatura Mxima Extrema Histrica
Respecto a la serie histrica de la temperatura mxima del aire, en las

Figuras 61-65 se presentan series de tiempo de los percentiles 90 en
algunas estaciones de observacin meteorolgica de la Cuenca del ro Piura
durante DEF y MAM. La caracterstica ms notable es la tendencia positiva
en los percentiles 90 con valores mximos en la estacin Morropn del
orden de los 4C /100 aos, seguido de Miraflores con 3.2C /100 aos para
DEF (Figs. 62 y 61). En la estacin Tejedores (Fig. 65), puede verse
claramente que al inicio de la serie histrica analizada, se advierte una
ligera tendencia negativa; sin embargo, a mediados de la dcada de los 70,
se observa un punto de quiebre y la tendencia se torna positiva. En este
contexto surge una interrogante: Este punto de quiebre de la tendencia
estara relacionado con el gran salto de la temperatura media global de
mediados de los aos 70? (ver Capitulo I, item 1.7).
En el trimestre MAM, la tendencia tambin es positiva en la mayora de las
estaciones, con valores de alrededor de 2.3 C/100 aos en la estacin
Miraflores, siguindole en intensidad la estacin Morropn con casi 2C/100
aos. Durante este trimestre, la estacin Chulucanas viene presentando una
tendencia negativa (Fig. 63).
En general, en la mayora de las estaciones meteorolgicas consideradas la
tendencia del percentil 90 de la temperatura mxima es positiva y con
valores relativamente altos.
En el Anexo D, en los mapas D.1 y D.2 se presentan las diferentes series de
tiempo de las tendencias de temperaturas mximas extremas. Puede
apreciarse que en DEF en la zona de Tejedores, se presentan los mayores
valores de las tendencias en toda la regin alcanzando mximos de
incremento del orden de los 8 C/100 aos. Durante MAM la misma zona
cerca de Tejedores presenta un mximo de crecimiento pero con valores del
orden de los 2.5 C/100 aos.
En el mismo anexo D, los mapas D.3 y D.4 muestran los mximos valores
del percentil 90 de temperatura mxima para DEF y MAM respectivamente.
En palabras ms simples, se presentan mapas de indicadores de mximos
extremos de temperatura mxima. Por ejemplo si en una estacin el
indicador tiene un valor de 36.5 C, ese es el mayor valor del percentil 90 de
la temperatura mxima alcanzado en los ltimos aos de registro histrico.
Durante DEF y MAM, las regiones del Bajo Piura y Cuenca Media,
incluyendo a Miraflores, Chulucanas, Tambogrande y Morropn, son las que
tienen los mximos extremos de temperatura mxima, alcanzando valores
cercanos a 36C. Esta informacin nos indica que la referida zona es la que
soporta los mximos riesgos de extremas temperaturas mximas. En el
resto de la cuenca, los valores de esos extremos de temperatura mxima
dependen de la altura de la estacin. En las zonas altas cercanas a
Huancabamba por ejemplo, los extremos de temperaturas mximas estn
en el orden de 28 a 30 C.
139

Temperatura Maxima Extrema Historicas

Trimestre DEF
Miraflores
5.2S - 80.5W, 30 m snm
35.6
Tmax - Percentil90 (C)
35.2
34.8
34.4
34
33.6
1970
1975
1980
1985
1990
1995
2000
aos
Temperatura Maxima Extrema Historica

Trimestre MAM
Miraflores
5.2S - 80.5W, 30 m snm
35.5
35
34.5
34
33.5
1970
1975
1980
1985
1990
1995
2000
aos
Fig. 61 Temperatura mxima extrema histrica (percentil 90) durante DEF y MAM
Estacin Miraflores
140


Trimestre DEF
Morropon
5.2S - 80W, 150 m snm
37.5
37
36.5
36
35.5
35
34.5
34
33.5
33
32.5
1970
1975
1980
1985
1990
1995
2000
aos

Trimestre MAM
Morropon
5.2S - 80W, 150 m snm
37
36
35
34
33
32
31
1970
1975
1980
1985
1990
1995
2000
aos
Fig. 62. Temperatura mxima extrema histrica (percentil 90) durante DEF y MAM
Estacin Morropn
141


Trimestre DEF
Chulucanas
5.1S - 80.2W,
m snm
37
36.5
36
35.5
35
34.5
34
33.5
33
1970
1975
1980
1985
1990
1995
2000
aos

Trimestre MAM
Chulucanas
5.1S - 80.2W,
m snm
37
36.5
36
35.5
35
34.5
34
33.5
33
32.5
1970
1975
1980
1985
1990
1995
2000
aos
Estacin Chulucanas
142

Temperatura maxima extrema historica

Trimestre DEF
Ayabaca
4.7S - 79.7W, 2700 m snm
21
20
19
18
17
16
1970
1975
1980
1985
1990
1995
2000
aos
Temperatura maxima extrema historica

Trimestre MAM
Ayabaca
4.7S - 79.7W, 2700 m snm
20.5
20
19.5
19
18.5
18
17.5
17
16.5
16
1970
1975
1980
1985
1990
1995
2000
aos
Estacin Ayabaca
143
2005


Trimestre DEF
Tejedores
4.7S - 80.2W , m snm
36
35.5
35
34.5
34
33.5
33
32.5
32
1972
1977
1982
1987
1992
1997
2002
1997
2002
aos

Trimestre MAM
Tejedores
4.7S - 80.2W , m snm
36
TMax- percentil 90 (C)
35
34
33
32
31
30
1972
1977
1982
1987
aos
1992
Estacin Tejedores
144

7.2.1.3
Temperatura Mnima Extrema Histrica
A continuacin se presentan series de tiempo (Figs. 65-69) de los percentiles 90 de

la temperatura mnima del aire en algunas estaciones de observacin
meteorolgica de la Cuenca del Ro Piura durante DEF y MAM. La tendencia
positiva que se observa en la mayora de las estaciones es ms moderada respecto
a las tendencias de la temperatura mxima y precipitacin. Para el trimestre DEF,
lo ms significativo se da en la estacin Morropn, con 2C /100 aos, seguido de
Miraflores con 1.6C/100 aos. En la estacin de Chulucanas, no se aprecia
ninguna variacin del comportamiento temporal de esta variable, mientras que en la
estacin de Ayabaca se aprecia una ligera tendencia negativa en los percentiles 90.
En lo que respecta al trimestre MAM, el incremento si es mayor, as tenemos en las
estaciones de Miraflores y Morropn una tendencia de 4C y 3C en 100 aos,
respectivamente. Una ligera tendencia positiva se observa en Chulucanas, mientras
que la tendencia es negativa en Ayabaca y Tejedores.
Los mapas del Anexo E, resumen las diferentes series de tiempo de las tendencias
de temperaturas mnimas extremas. En DEF (mapa E.1), en la zona norte de la
cuenca se aprecia un centro de tendencias positivas. La caracterstica ms
evidente es la presencia de valores relativamente pequeos, por ejemplo en
Tejedores se aprecia una tendencia de 1.3C/100 aos, lo que significa 0.4C en 30
aos, por lo que los extremos de este parmetro probablemente no van a cambiar
significativamente en los prximos aos.
En MAM (mapa E.2), la zona norte de la cuenca (Tejedores, Tambogrande y
Ayabaca) presenta una tendencia negativa de temperaturas mnimas extremas,
mientras que al sur los valores son positivos (Huarmaca, Virrey, Bigote), incluyendo
el Bajo Piura. La caracterstica ms notable es la presencia de valores
relativamente pequeos, por ejemplo en Miraflores se aprecia una tendencia de
2C /100 aos, lo que significa 0.6C en 30 aos, por lo que los extremos de este
parmetro probablemente no van a cambiar significativamente en los prximos
aos.
En el mismo anexo E, se presentan en los mapas E.3 y E.4 los mximos valores
del percentil 90 de temperatura mnima para DEF y MAM respectivamente. Estos
mapas son indicadores de mximos extremos de temperatura mnima. Durante
DEF y MAM la regin costera, es la que tiene los mximos extremos de
temperatura mnima (las temperaturas mnimas ms altas), alcanzando valores
cercanos a 26C. Esta informacin nos indica que la referida zona es la que soporta
los mximos valores de temperaturas mnimas extremas. En el resto de la cuenca,
los valores de los extremos de temperatura mnima dependen de la altitud de la
estacin. En las zonas altas de Huancabamba por ejemplo, stos bordean los 16
C. En el Bajo Piura y Cuenca Media, los valores se encuentran en el rango de los
25 C.
145

Temperatura Minima Extrema Historicas

Trimestre DEF
Miraflores
5.2S - 80.5W, 30 m snm
26
Tmin - Percentil90 (C)
25.5
25
24.5
24
23.5
23
22.5
22
1970
1975
1980
1985
1990
1995
2000
aos

Trimestre MAM
Miraflores
5.2S - 80.5W, 30 m snm
26
25.5
25
24.5
24
23.5
23
22.5
22
21.5
21
1970
1975
1980
1985
1990
1995
2000
aos
Fig. 66 Temperatura mnima extrema histrica (percentil 90) durante DEF y MAM
Estacin Miraflores
146

Temperatura Minima Extrema Historica

Trimestre DEF
Morropon
5.2S - 80W, 150 m snm
25
24.5
24
23.5
23
22.5
22
21.5
1970
1975
1980
1985
1990
1995
2000
aos
Temperatura Minima Extrema Historica

Trimestre MAM
Morropon
5.2S - 80W, 150 m snm
25
24.5
24
23.5
23
22.5
22
21.5
21
1970
1975
1980
1985
1990
1995
2000
aos
Estacin Morropn
147


Trimestre DEF
Chulucanas
5.1S - 80.2W,
m snm
25
24.5
24
23.5
23
22.5
22
21.5
21
1970
1975
1980
1985
aos
1990
1995
2000

Trimestre MAM
Chulucanas
5.1S - 80.2W,
m snm
25.5
25
24.5
24
23.5
23
22.5
22
21.5
21
1970
1975
1980
1985
aos
1990
1995
2000
Estacin Chulucanas
148

Temperatura minima extrema historica

Trimestre DEF
Ayabaca
4.7S - 79.7W, 2700 m snm
12
11.5
11
10.5
10
9.5
9
8.5
8
1970
1975
1980
1985
aos
1990
1995
2000
Temperatura minima extrema historica

Trimestre MAM
Ayabaca
4.7S - 79.7W, 2700 m snm
12.5
12
11.5
11
10.5
10
9.5
9
8.5
1970
1975
1980
1985
aos
1990
1995
2000
Estacin Ayabaca
149


Trimestre DEF
Tejedores
4.75S - 80.23W, 230 m snm
24.5
24
23.5
23
22.5
22
21.5
1970
1975
1980
1985
1990
1995
2000
aos

Trimestre MAM
Tejedores
4.75S - 80.23W, 230 m snm
24
23.5
23
22.5
22
21.5
21
20.5
1970
1975
1980
1985
1990
1995
2000
aos
Estacin Tejedores
150

7.2.2 Posibles Tendencias Futuras de Eventos de Precipitacin Extrema

En las Figuras 71 al 75, se presentan las series de tiempo de los percentiles 95 de
la precipitacin extrema proyectada al 2020 en algunas localidades de la Cuenca
del Ro Piura, para lo cual de utiliz el software STARDEX a partir de simulaciones
climticas realizadas por el modelo regional RAMS, en el contexto del escenario
A2.
El lector debe recordar que las proyecciones de eventos extremos se hicieron hasta
el ao 2035; no obstante, en el presente reporte se presentan slo las proyecciones
al 2020 a solicitud de las instituciones co-ejecutoras del proyecto.
Cuadro Resumen 8: Tendencia Histrica y Futura de la Precipitacin Extrema
Estacin
Virrey
Hacienda Bigote
Chalaco
Morropn
Ayabaca
Leyenda:
Trimestre
DEF
MAM
DEF
MAM
DEF
MAM
DEF
MAM
DEF
MAM
Tendencia Histrica
+
+
+
+
*
+
+
+
+
Tendencia 2005 - 2020

*
+
+
+
+
+
+
+
+
(+) tendencia positiva; (-) tendencia negativa, (*) no hay variacin

DEF: diciembre enero febrero
: estacin de verano
MAM: marzo abril mayo
: estacin de otoo
En el cuadro resumen 8, se advierte que en la estacin Virrey, la tendencia de los

eventos extremos de precipitacin podra no presentar cambios para el trimestre
DEF (verano) al 2020, a los que ya se vena observando. Para el trimestre MAM
(otoo), la tendencia positiva observada actualmente, continuara por lo menos en
los prximos 15 aos. En la estacin Hda. Bigote y Ayabaca, la tendencia
proyectada en ambos trimestres es positiva, guardando relacin con la tendencia
observada. En la estacin de Chalaco, las proyecciones al 2020 indican que la
tendencia podra ser positiva tanto en verano como en otoo. En la estacin
Morropn, las tendencias positiva y negativa observadas en verano y otoo
respectivamente, continuaran hacia el 2020; sin embargo, los montos podran
disminuir.
Adicionalmente en el anexo F, se presentan mapas de tendencias de los
percentiles 95 de la precipitacin para el perodo 2005-2020. En el mapa
correspondiente a DEF (mapa F.1), se pueden apreciar que las tendencias
probablemente sern positivas en las partes medias y altas de la cuenca. En las
partes bajas, stas probablemente sern negativas indicando que podran disminuir
de intensidad en los prximos aos. Ello indicara que la mayora de los impactos
hidrometeorolgicos estaran asociados a desbordes de ros por intensas
precipitaciones en las partes medias y altas de la cuenca. Con respecto a MAM
(mapa F.2), la situacin es similar, sin embargo aparece una nueva regin con
tendencias positivas ubicada en la parte baja de la cuenca cerca de la estacin de
Chusis. Si recordamos que en el anlisis histrico de los percentiles 95 de
precipitacin, tal regin ya esta soportando precipitaciones extremas altas,
generalmente asociadas a El Nio (ver mapa C.4), podemos concluir que esa es
otra zona con riesgos altos en los prximos aos.
151

Precipitacion Extrema Esperada

Trimestre DEF
Virrey
5.5S - 80W, 230 m snm
70
PP - Percenti95 (mm)
65
60
55
50
45
40
35
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Virrey
5.5S - 80W, 230 m snm
85
80
75
70
65
60
55
50
45
40
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Fig. 71 Precipitacin extrema esperada (percentil 95) durante DEF y MAM. Estacin Virrey
152


Trimestre DEF
Hacienda Bigote
5.4S - 79.7W, 200 m snm
50
45
40
35
30
25
20
15
10
5
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Hacienda Bigote
5.4S - 79.7W, 200 m snm
70
60
50
40
30
20
10
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Fig. 72 Precipitacin extrema esperada (percentil 95) durante DEF y MAM. Estacin
Hacienda Bigote
153


Trimestre DEF
Chalaco
5.0S - 79.7W, 2276 m snm
35
30
25
20
15
10
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Chalaco
5.0S - 79.7W , 2276 m snm
45
40
35
30
25
20
15
10
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Chalaco
154


Trimestre DEF
Morropon
5.2S - 80W ,150 m snm
60
55
50
45
40
35
30
25
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Morropon
5.2S - 80W ,150 m snm
75
70
65
60
55
50
45
40
35
30
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Morropn
155


Trimestre DEF
Ayabaca
4.7S - 79.7W , 2700 m snm
55
50
45
40
35
30
25
20
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Ayabaca
4.7S - 79.7W, 2700 m snm
80
70
60
50
40
30
20
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Ayabaca
156

7.2.3 Posibles Tendencias Futuras de Eventos Extremos de Temperaturas

Mximas.
A continuacin (Figuras 76 a 79), se presentan las series de tiempo de los
percentiles 90 de la Temperatura Mxima Extremas proyectadas al 2020 en
localidades de la Cuenca del Ro Piura, para lo cual de utiliz el software
STARDEX a partir de simulaciones climticas regionalizadas por el modelo RAMS
en el contexto del escenario A2. Se presenta el siguiente cuadro resumen.
Cuadro Resumen 9: Tendencia Histrica y Futura de Temperatura Mxima Extrema
Estacin
Miraflores
Morropn
Chulucanas
Ayabaca
Trimestre
DEF
MAM
DEF
MAM
DEF
MAM
DEF
MAM
Tendencia Histrica
+
+
+
+
+
+
+
Tendencia 2005 - 2020

+
+
+
+
+
+
+
+
Leyenda: (+): tendencia positiva; (-): tendencia negativa, (*): no hay variacin
: estacin de verano
: estacin de otoo
En el cuadro resumen 9, podemos apreciar que la tendencia histrica de los

eventos de temperaturas mximas extremas en las estaciones analizadas es
positiva, tanto en verano como en otoo. Segn las proyecciones al 2020, esta
tendencia continuara en todas las estaciones y en ambos trimestres, incluso en la
estacin de Chulucanas que vena presentando una ligera tendencia negativa en
el otoo MAM.
Adicionalmente en el anexo G, se presentan mapas de tendencias de los
percentiles 90 de la temperatura mxima para DEF y MAM (mapas G.1 y G.2), para
el perodo 2005-2020. En el mapa correspondiente a DEF se pueden apreciar que
las tendencias probablemente tendrn un mximo cerca de Morropn de alrededor
de 3.5C en 100 aos. En el resto de la cuenca las tendencias podrn ser del orden
de los 2C/100 aos. En el mapa correspondiente a MAM se pueden apreciar que
las tendencias probablemente tendrn un mximo relativo cerca de Tejedores del
orden de los 8C /100 aos. Las tendencias podran ser positivas en la mayora de
las partes medias y altas de la cuenca.
157

Temperatura Maxima Extrema Esperada

Trimestre DEF
Miraflores
5.2S - 80.5W, 30 m snm
36.8
36.6
36.4
36.2
36
35.8
35.6
35.4
35.2
35
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Miraflores
5.2S - 80.5W, 30 m snm
37
36
35
34
33
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Fig. 76 Temperatura mxima extrema esperada (percentil 90) durante DEF y MAM.
Estacin Miraflores
158


Trimestre DEF
Morropon
5.2S - 80W, 150 m snm
38
Tmax - Percentil 90 (C)
37
36
35
34
33
32
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Morropon
5.2S - 80W, 150 m snm
36
35.5
35
34.5
34
33.5
33
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Estacin Morropon
159

Temperatura Mxima Extrema Esperada

Trimestre DEF
Chulucanas
5.1S - 80.2W, 29 m snm
36.8
36.5
36.2
35.9
35.6
35.3
35.0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Temperatura Mxima Extrema Esperadas

Trimestre MAM
Chulucanas
5.1S - 80.2W, 29 m snm
37.5
37.0
36.5
36.0
35.5
35.0
34.5
34.0
33.5
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Estacin Chulucanas
160

Temperatura maxima extrema esperada

Trimestre DEF
Ayabaca
4.7S - 79.7W, 2700 m snm
22
21
20
19
18
17
16
15
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Temperatura maxima extrema esperada

Trimestre MAM
Ayabaca
4.7S - 79.7W, 2700 m snm
21
20.5
20
19.5
19
18.5
18
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Estacin Ayabaca
161

7.2.4 Posibles Tendencias Futuras de Eventos Extremos de Temperaturas

Mnimas.
En las Figuras 80-83 se presentan las series de tiempo de los percentiles 90 de la
Temperatura Mnima Extrema proyectadas al 2020 en algunas localidades de la
Cuenca del Ro Piura, para lo cual de utiliz el software STARDEX a partir de
simulaciones climticas del modelo RAMS, en el contexto del escenario A2. En
seguida se presenta un cuadro resumen:
Cuadro Resumen 10: Tendencia Histrica y Futura de Temperatura Mnima Extrema
Estacin
Miraflores
Morropn
Chulucanas
Ayabaca
Trimestre
DEF
MAM
DEF
MAM
DEF
MAM
DEF
MAM
Tendencia Histrica
+
+
+
+
*
+
-
Tendencia 2005- 2020

+
+
+
+
Leyenda: (+): tendencia positiva; (-): tendencia negativa, (*): no hay variacin
: estacin de verano
: estacin de otoo
En el cuadro resumen 10, puede verse que las proyecciones al 2020 para el verano
tienden a ser positivas en la mayora de las estaciones analizadas. En la estacin
Chulucanas, la data histrica vena mostrando una tendencia horizontal constante
durante DEF, y las proyecciones al 2020 muestran una tendencia a la baja.
Adicionalmente, la estacin de Ayabaca que vena presentando tendencias
negativas en ambos trimestres observados, podra a futuro estar presentando
tendencias positivas en ambos perodos proyectados; es decir, las temperaturas
mnimas extremas podran ser ms altas. La estacin Miraflores podra continuar
presentando tendencias positivas.
En lo que respecta al otoo, las tendencias al 2020 indican que la mayora de las
estaciones podran presentar una tendencia a la baja, excepto en la estacin
Ayabaca que sera positiva.
En el anexo H, se presentan las tendencias de los percentiles 90 de la temperatura
mnima extrema para los trimestres DEF y MAM en los mapas H.1 y H.2,
respectivamente, para el perodo 2005-2020.
En el mapa correspondiente a DEF se pueden apreciar que las tendencias
probablemente tendrn un mximo predominantemente en la regin del Bajo Piura,
de alrededor de 1.5C/100 aos, disminuyendo hacia las partes altas. En el mapa
correspondiente a MAM se puede apreciar que las tendencias probablemente
tendrn un mximo relativo en la parte norte de la Cuenca Media, cerca de
Tambogrande del orden de 1.5C /100 aos. Las tendencias podran ser bastante
reducidas y en algunos casos ligeramente negativas hacia la parte sur de todas las
zonas de inters.
162

Temperatura Minima Extrema Esperada

Trimestre DEF
Miraflores
5.2S - 80.5W, 30 m snm
24.8
24.6
24.4
24.2
24
23.8
23.6
23.4
23.2
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Miraflores
5.2S - 80.5W, 30 m snm
25.2
24.8
24.4
24
23.6
23.2
22.8
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Fig. 80 Temperatura mnima extrema esperada (percentil 90) durante DEF y MAM.
Estacin Miraflores
163


Trimestre DEF
Morropon
5.2S - 80W, 150 m snm
24.0
23.8
23.6
23.4
23.2
23.0
22.8
22.6
22.4
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Morropon
5.2S - 80W, 150 m snm
24.6
24.4
24.2
24
23.8
23.6
23.4
23.2
23
22.8
22.6
22.4
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Estacin Morropn
164

Temperatura Mnima Extrema Esperada

Trimestre DEF
Chulucanas
5.1S - 80.2W, 29 m snm
26.5
26
25.5
25
24.5
24
23.5
23
22.5
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Chulucanas
5.1S - 80.2W, 29 m snm
26.5
26.0
25.5
25.0
24.5
24.0
23.5
23.0
22.5
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Estacin Chulucanas
165


Trimestre DEF
Ayabaca
4.7S - 79.7W, 2700 m snm
11.5
11
10.5
10
9.5
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos

Trimestre MAM
Ayabaca
4.7S - 79.7W, 2700 m snm
11.1
11
10.9
10.8
10.7
10.6
10.5
10.4
10.3
10.2
10.1
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
aos
Estacin Ayabaca
166

7.2.5 Discusin de resultados

7.2 5.1 Precipitacin Extrema
Con respecto a extremos de precipitacin podemos afirmar que durante DEF y
MAM las zonas del Bajo Piura y Cuenca Media, que incluyen Chulucanas,
Morropn y Virrey son las que tienen los mximos extremos de precipitacin
histrica alcanzando valores cercanos a 120 mm diarios (ver mapas C.3 y C.4).
Esta informacin nos indica que la referida zona es la que soporta los mximos
riesgos de extremas precipitaciones.
Para el prximo futuro (2005-2020), tenemos que apreciar las tendencias
producidas por el modelo RAMS (mapas F.1 y F.2). Segn esos resultados, las
precipitaciones extremas en el Bajo Piura y parte de la Cuenca Media tenderan a
disminuir a razn aproximada de 40 mm/ 100 aos; es decir que en 20 aos
podramos esperar una disminucin de las precipitaciones extremas del orden de 8
mm, la cual no es muy significativa, por lo que esas regiones seguiran siendo zona
de riesgo (ver mapas C.3 y C.4). En la Cuenca Media (Chulucanas, Morropn, etc),
las tendencias al 2020 son cercanas a cero indicando que los valores extremos de
precipitacin se mantendrn en sus ya altos valores, por lo que seguirn siendo
zonas de riesgo.
Combinando toda la informacin recopilada tanto de los registros histricos como
del procesamiento del modelo RAMS para la estimacin de las tendencias futuras
de la precipitacin hasta el ao 2020, podemos obtener los mapas I.1 e I.2 (ver
anexo I) que nos indican la magnitud de las mximas precipitaciones extremas
esperadas al 2020 durante DEF y MAM respectivamente. Ambos mapas son
similares indicando altos valores en el Bajo Piura y Cuenca Media. En la Cuenca
Alta, las precipitaciones extremas probablemente tendrn valores en el orden de los
50 mm/da para el 2020.
7.2.5.2 Temperatura mxima extrema
Con respecto a la Temperatura mxima, es posible ubicar zonas de relativa
mxima tendencia histrica (mapas D.1, D.2) y futura (mapas G.1, G.2). Por
ejemplo consideremos el mapa D.1 con un centro de 8C /100 aos cerca de
Tejedores, valor que equivale a 1.6C de crecimiento de extremos de temperatura
mxima en 20 aos.
Para el prximo futuro (modelo RAMS) se esperan crecimientos de la temperatura
mxima algo menores (mapa G.1), con zona en riesgo ubicada cerca de Tejedores,
Chulucanas y Morropon, as como partes altas cerca de Huancabamba.
Combinando toda la informacin recopilada (registros histricos y simulaciones del
modelo RAMS) para la estimacin de las tendencias futuras de la temperatura
mxima hasta el ao 2020, obtuvimos los mapas I.3 e I.4 (anexo I), los cuales
indican la magnitud de las mximas temperaturas mximas extremas del percentil
90 durante DEF y MAM respectivamente. Ambos mapas son similares indicando
altos valores alrededor de 37C en las regiones del Bajo Piura y Cuenca Media
principalmente. En la Cuenca Alta, las temperaturas mximas extremas
probablemente tendrn valores en el orden de los 30C para el 2020.
167

7.2.5.3 Temperatura mnima extrema

Con respecto a la Temperatura mnima, es posible tambin ubicar zonas de relativa
mxima tendencia histrica (mapas E.1, E.2). Por ejemplo consideremos el mapa
E.1 con un centro de aproximadamente 4C /100 aos cerca de Tejedores, valor
que equivale a 1.2C de crecimiento de extremos de temperatura mnima en 30
aos.
Para el prximo futuro se esperan crecimientos de la temperatura mnima algo
menores (mapa H.1), con zona en riesgo ubicadas cerca de las partes bajas de la
cuenca.
Combinando toda la informacin recopilada (registros histricos y simulaciones del
modelo RAMS) para la estimacin de las tendencias futuras de la temperatura
mnima hasta el ao 2020, se obtuvieron los mapas I.5 e I.6 (anexo I), los que nos
indican la magnitud de las mximas temperaturas mnimas extremas del percentil
90 durante DEF y MAM respectivamente. Ambos mapas son similares e indican
que los valores ms altos, estaran presentndose en el Bajo Piura y parte de
Cuenca Media. En la Cuenca Alta, las temperaturas mnimas extremas
probablemente alcancen valores menores.
En resumen.
Las zonas que podran presentar mximos valores de Precipitacin Extrema

durante el verano y otoo al ao 2020, se ubican en el Bajo Piura y Cuenca
Media, cerca de las estaciones de Miraflores, Chulucanas, Morropn y Virrey
(ver mapas I.1 y I.2). (ver cuadro resumen 7).
Altos valores de Temperaturas Mximas Extremas para verano y otoo para los
prximos 15 aos se podran tener en la Cuenca Media, incluyendo a
Chulucanas, Morropon, San Miguel (ver mapas I.3 y I.4). (ver cuadro resumen
8).
Altos valores de Temperaturas Mnimas Extremas para verano y otoo al ao

2020, se podran tener en el Bajo Piura y zonas costeras (ver mapas I.5 y I.6).
(ver cuadro resumen 9).
.
168

Captulo VIII: Conclusiones Generales
CAPITULO VIII -
CONCLUSIONES GENERALES
Queda claro que la previsin de cambios en los prximos 30 aos, se basa

ntegramente en modelos de simulacin, los cuales tienen incertidumbres
inherentes a su configuracin, por lo que los resultados deben tomarse con cautela.
En este trabajo se han considerado seis modelos globales del clima para el anlisis
global; pero tan slo un modelo global acoplado con un modelo regional para el
anlisis sobre la Cuenca del Ro Piura. Los resultados que se obtienen con ellos no
son pronsticos climticos sino proyecciones de cmo podra alterarse el clima
futuro en dicha regin. Asimismo, se han tenido en cuenta dos de los posibles
escenarios de emisiones globales de GEIs y aerosoles elaborados por el Panel
Intergubernamental de expertos en Cambio Climtico (IPCC), basados en criterios
demogrficos, sociales y econmicos. Tales escenarios conocidos como A2 y B2,
son los ms utilizados para realizar las proyecciones del cambio climtico. Los
resultados ms significativos obtenidos se pueden resumir en los siguientes puntos:
1. La climatologa generada por los modelos climticos globales para el
perodo del 2005 a 2050, es realista en la mayora de ellos; indicando leves
variaciones en el comportamiento de la Temperatura del Aire, Precipitacin,
IOS, TSM y Nivel Medio del Mar para el perodo comprendido entre el 2005
y 2020 (ver Captulo IV).
2. Tomando en cuenta el anlisis de diferentes MCG, as como los resultados
de la regionalizacin estadstica y evaluando los distintos ndices
disponibles, es probable la ocurrencia de por lo menos un evento El Nio
durante el perodo 2009-2015, cuya intensidad en cuanto a lluvias sera
similar al evento 1982/83 (con referencia a Chulucanas).
3. Los resultados sugieren que las anomalas de demandas hdricas, durante
los quinquenios analizados, seran positivas en toda la cuenca, lo cual se
traducira en un incremento de la evapotranspiracin y dficit del balance
hdrico, hecho que sera ms marcado en el Bajo Piura y partes bajas de las
sub cuencas de San Francisco y Yapatera. Hacia las partes altas de ambas
sub cuencas, la disponibilidad hdrica estara fluctuando dentro de sus
valores normales, incluso con anomalas positivas del balance hdrico.
4. La tendencia de la Precipitacin no es por lo general uniforme a lo largo de
toda la Cuenca ni en los perodos analizados. Al 2020, las precipitaciones
en el escenario A2, podran ser ms acentuadas en las estaciones de
verano y otoo (DEF y MAM) sobre la Cuenca Media y Alta principalmente,
y en el B2 los resultados sugieren que no habran mayores cambios de lo
que ya se viene observando. En el invierno y primavera (JJA y SON),
ambos escenarios sugieren que la tendencia no presentara mayores
cambios. Al 2035, segn el escenario A2, no habra mayores cambios de la
tendencia en el Bajo Piura, lo cual se extendera para las otras reas de
Inters, solamente en invierno y primavera; no obstante, para el verano las
Cuencas Media y Alta podran registrar algn incremento de la precipitacin
en ambos escenarios. Segn el escenario B2, en el invierno (JJA), la
tendencia tendera a ser positiva en todas las reas de Inters, sin
embargo, en el otoo y primavera no habra ningn cambio de la tendencia
en las Cuencas Media y Alta principalmente.
169

Captulo VIII: Conclusiones Generales
5. La Temperatura Mxima del aire al 2020, en ambos escenarios, en general

tiende a un probable calentamiento en todas las estaciones, excepto en el
otoo (MAM), lo cual es consistente con lo que se viene observando en
algunas estaciones ubicadas en la Cuenca Media. Los incrementos seran
ms marcados en el Bajo Piura durante el verano (DEF). Al 2035, en ambos
escenarios, esta tendencia positiva continuara en toda la Cuenca y los
mayores incrementos se daran en el Bajo Piura durante el otoo (MAM) y la
primavera (SON).
6. La Temperatura Mnima del aire al 2020, en general, continuara
presentando una tendencia positiva en toda la Cuenca durante el verano e
invierno (DEF y JJA), en ambos escenarios; sin embargo en las estaciones
de transicin como otoo y primavera (MAM y SON), es menos probable
que esta tendencia ascendente se d en el escenario B2, para el Bajo Piura
y Cuenca Media principalmente. Al 2035 ambos escenarios proyectan en la
Cuenca tendencias positivas en todos los trimestres.
7. La tendencia de la Temperatura Media del aire al 2020, en ambos
escenarios, es a la alta, lo cual es concordante con lo que se viene
observando. Este calentamiento sera mayor en el Bajo Piura durante el
verano y primavera (DEF y SON). Asimismo, para la Cuenca Media y Alta
se espera que estos incrementos se den entre el invierno y primavera (JJA y
SON) principalmente en el escenario A2. Las Cuencas Media y Alta podran
presentar tendencias negativas durante el otoo, siendo esto ms
significativo en el escenario A2. Hacia el 2035, ambos escenarios continan
proyectando una tendencia progresiva al incremento de la Temperatura
Media en todas las reas de Inters, siendo algo mayores en la primavera
(SON) y en el escenario A2.
8. Finalmente, en cuanto a la ocurrencia de eventos extremos, las zonas que
podran presentar mximos valores de precipitacin extrema durante el
verano y otoo (DEF y MAM) en los prximos 15 aos, se ubican en el Bajo
Piura y Cuenca Media. Los eventos de Temperaturas Mxima y Mnima
extremas, ocurriran con mayor intensidad en el Bajo Piura y Cuenca Media
respectivamente.
170
Escenarios de Cambio Climtico en el Per al 2004-2050: Cuenca Ro Piura

APENDICE
APENDICE
171

APENDICE
APENDICE 1
PRECIPITACION PROYECTADA
ESCENARIO A2
2004-2035
9480000
1600
9480000
1600
1500
9460000
1400
1500
9460000
1400
1300
1200
9440000
1300
9440000
1200
1100
1100
1000
9420000
1000
9420000
900
900
800
9400000
700
800
9400000
700
600
600
500
9380000
500
9380000
400
400
300
9360000
300
9360000
200
200
100
9340000
100
0
9340000
-100
0
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
480000 500000 52 00 00 54 00 00 5600 00 580000 600000 62 00 00 64 00 00 6600 00 680000
Q1: 2006 -2010
Q2: 2011-2015
9480000
9480000
1600
1500
9460000
1400
1600
1500
9460000
1400
1300
9440000
1200
1300
9440000
1200
1100
1000
9420000
900
1100
1000
9420000
900
800
9400000
700
800
9400000
700
600
500
9380000
400
600
500
9380000
400
300
9360000
200
300
9360000
200
100
0
9340000
-100
100
0
9340000
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
-100
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
Q3: 2016 - 2020
Q4. 2021- 2025
9480000
9480000
1600
1500
9460000
1400
1600
1500
9460000
1400
1300
9440000
1200
1300
9440000
1200
1100
1000
9420000
900
1100
1000
9420000
900
800
9400000
700
800
9400000
700
600
500
9380000
400
600
500
9380000
400
300
9360000
200
300
9360000
200
100
0
9340000
-100
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
100
0
9340000
-100
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
Q6: 2031 - 2035
Q5: 2026 - 2030
Apndice 1: Mapas de Precipitacin proyectada al 2035 por quinquenio (mm/ao).

Escenario A2
172

APENDICE
APENDICE 2
EVAPOTRANSPIRACION POTENCIAL PROYECTADA

ESCENARIO A2
2004-2035
9480000
9 48 000 0
2450
2350
9460000
2 700
9 46 000 0
2 600
2250
2150
9440000
2 500
9 44 000 0
2 400
2050
1950
9420000
2 300
2 200
9 42 000 0
2 100
1850
1750
9400000
2 000
9 40 000 0
1 900
1650
1550
9380000
1 800
1 700
9 38 000 0
1450
1350
9360000
1 600
1 500
9 36 000 0
1 400
1250
1150
9340000
1 300
1 200
9 34 000 0
1050
1 100
4 80 000 500 000 5 2000 0 5 40000 5 60 000 580 000 600 000 6 2000 0 6 40000 6 60 000 680 000
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
Q1: 2006 -2010
1 000
Q2: 2011-2015
9480000
948000 0
2550
2600
2500
946000 0
2450
9460000
2350
2400
2300
944000 0
2200
2250
9440000
2150
2050
2100
942000 0
2000
9420000
1950
1850
1900
1800
940000 0
1750
9400000
1700
1600
938000 0
1650
1550
9380000
1500
1450
1400
936000 0
1300
1350
9360000
1250
1200
1100
934000 0
1150
9340000
1000
1050
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
480000 500000 52 00 00 5400 00 560000 580000 60 00 00 6200 00 640000 660000 680000
Q3: 2016 - 2020
Q4. 2021- 2025
9480000
9480000
2800
2700
9460000
2600
2500
9440000
2400
9420000
2200
2100
2300
2000
1900
1800
9400000
2700
2600
9460000
2500
2400
9440000
2300
2200
2100
9420000
2000
1900
9400000
1800
1700
1700
1600
1500
9380000
1400
9360000
1300
1600
9380000
1500
1400
9360000
1300
1200
1200
1100
9340000
1000
1100
9340000
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
1000
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
Q6: 2031 - 2035
Q5: 2026 - 2030
Apndice 2: Mapas de Evapotranspiracin Potencial proyectada al 2035 por quinquenio

(mm/ao). Escenario A2
173

APENDICE
APENDICE 3
BALANCE HIDRICO PROYECTADO

ESCENARIO A2
2004-2035
9480 00 0
9480 00 0
400
300
200
100
0
-100
-200
-300
-400
-500
-600
-700
-800
-900
-1000
-1100
-1200
-1300
-1400
-1500
-1600
-1700
-1800
-1900
-2000
-2100
9460 00 0
9440 00 0
9420 00 0
9400 00 0
9380 00 0
9360 00 0
9340 00 0
9420 00 0
9400 00 0
9380 00 0
9360 00 0
9340 00 0
-100
-300
-500
-700
-900
9400 00 0
-1100
-1300
9380 00 0
-1500
-1700
9360 00 0
-1900
-2100
9340 00 0
-2300
480000 500000 520000 54 00 00 5600 00 580000 600000 620000 64 00 00 6600 00 6800 00
Q2: 2011-2015
500
400
300
200
100
0
-100
-200
-300
-400
-500
-600
-700
-800
-900
-1000
-1100
-1200
-1300
-1400
-1500
-1600
-1700
-1800
-1900
-2000
-2100
-2200
9440 00 0
100
9420 00 0
Q1: 2006 -2010

9460 00 0
300
9440 00 0
480000 500000 520000 54 00 00 5600 00 580000 600000 620000 64 00 00 6600 00 6800 00
9480 00 0
500
9460 00 0
9480 00 0
500
400
300
200
100
0
-100
-200
-300
-400
-500
-600
-700
-800
-900
-1000
-1100
-1200
-1300
-1400
-1500
-1600
-1700
-1800
-1900
-2000
-2100
-2200
9460 00 0
9440 00 0
9420 00 0
9400 00 0
9380 00 0
9360 00 0
9340 00 0
480000 500000 520000 54 00 00 5600 00 580000 600000 620000 64 00 00 6600 00 6800 00
480000 500000 520000 54 00 00 5600 00 580000 600000 620000 64 00 00 6600 00 6800 00
Q3: 2016 - 2020
Q4. 2021- 2025
9480 00 0
9480 00 0
500
400
200
9460 00 0
300
9460 00 0
100
0
-200
9440 00 0
-100
9440 00 0
-300
-400
-600
9420 00 0
-500
9420 00 0
-700
-800
-1000
9400 00 0
-900
9400 00 0
-1100
-1200
-1400
9380 00 0
-1300
9380 00 0
-1500
-1600
-1800
9360 00 0
-1700
9360 00 0
-1900
-2000
-2200
9340 00 0
-2400
-2100
9340 00 0
480000 500000 520000 54 00 00 5600 00 580000 600000 620000 64 00 00 6600 00 6800 00
-2300
480000 500000 520000 54 00 00 5600 00 580000 600000 620000 64 00 00 6600 00 6800 00
Q6: 2031 - 2035
Q5: 2026 - 2030
Apndice 3: Mapas de Balance Hdrico proyectado al 2035 por quinquenio (mm/ao).

Escenario A2
174

APENDICE
APENDICE 4
ANOMALIA DE PRECIPITACION PROYECTADA

ESCENARIO A2
2004-2035
9 48 0 00 0
9 48 0 00 0
4 50
4 25
4 00
3 75
3 50
3 25
3 00
2 75
2 50
2 25
2 00
1 75
1 50
1 25
1 00
75
50
25
0
-2 5
-5 0
-7 5
3 50
3 25
9 46 0 00 0
3 00
9 46 0 00 0
2 75
9 44 0 00 0
2 50
9 44 0 00 0
2 25
2 00
9 42 0 00 0
9 42 0 00 0
1 75
1 50
9 40 0 00 0
1 25
9 40 0 00 0
1 00
9 38 0 00 0
75
9 38 0 00 0
50
25
9 36 0 00 0
9 36 0 00 0
0
-2 5
9 34 0 00 0
-5 0
9 34 0 00 0
4 80 000 500 000 5200 00 5 400 00 5 60 0 00 5 80 000 600 000 6200 00 6 400 00 6 60 0 00 6 80 0 00
4 80 000 500 000 5200 00 5 400 00 5 60 0 00 5 80 000 600 000 6200 00 6 400 00 6 60 0 00 6 80 0 00
Q1: 2006 -2010

9 48 0 00 0
Q2: 2011-2015
5 00
4 75
4 50
4 25
4 00
3 75
3 50
3 25
3 00
2 75
2 50
2 25
2 00
1 75
1 50
1 25
1 00
75
50
25
0
-2 5
-5 0
9 46 0 00 0
9 44 0 00 0
9 42 0 00 0
9 40 0 00 0
9 38 0 00 0
9 36 0 00 0
9 34 0 00 0
9 48 0 00 0
9 44 0 00 0
9 42 0 00 0
9 40 0 00 0
9 38 0 00 0
9 36 0 00 0
9 34 0 00 0
4 80 000 500 000 5200 00 5 400 00 5 60 0 00 5 80 000 600 000 6200 00 6 400 00 6 60 0 00 6 80 0 00
4 80 000 500 000 5200 00 5 400 00 5 60 0 00 5 80 000 600 000 6200 00 6 400 00 6 60 0 00 6 80 0 00
Q3: 2016 - 2020

948 00 00
Q4. 2021- 2025

450
425
400
375
350
325
300
275
250
225
200
175
150
125
100
75
50
25
0
-2 5
-5 0
-7 5
-1 00
946 00 00
944 00 00
942 00 00
940 00 00
938 00 00
936 00 00
934 00 00
5 00
4 75
4 50
4 25
4 00
3 75
3 50
3 25
3 00
2 75
2 50
2 25
2 00
1 75
1 50
1 25
1 00
75
50
25
0
-2 5
-5 0
9 46 0 00 0
948 00 00
450
946 00 00
400
350
944 00 00
300
250
942 00 00
200
940 00 00
150
100
938 00 00
50
936 00 00
0
-5 0
934 00 00
480 00 0 500 00 0 52 0000 540 000 560 000 580 00 0 60000 0 62 0000 640 000 660 00 0 680 00 0
-1 00
480 00 0 500 00 0 52 0000 540 000 560 000 580 00 0 60000 0 62 0000 640 000 660 00 0 680 00 0
Q6: 2031 - 2035
Q5: 2026 - 2030
Apndice 4: Mapas de Anomala de Precipitacin proyectada al 2035 por quinquenio

175

APENDICE
APENDICE 5
ANOMALIA DE EVAPOTRANSPIRACION POTENCIAL

PROYECTADA - ESCENARIO A2
2004-2035
9480000
9480000
240
230
220
210
200
190
180
170
160
150
140
130
120
110
100
90
80
70
60
50
40
30
20
10
0
-10
60
56
9460000
9460000
52
48
9440000
9440000
44
40
9420000
36
9420000
32
9400000
28
9400000
24
9380000
20
9380000
16
12
9360000
9360000
8
4
9340000
9340000
0
480000 500000 520000 540000 560000 580000 600000 620000 640000 660000 680000
480000 50 0000 52 0000 540000 560000 580000 600000 62 0000 64 0000 660000 680000
Q1: 2006 -2010
Q2: 2011-2015
9 48 00 0 0
9 4800 0 0
1 45
1 90
1 80
9 46 00 0 0
1 70
1 60
1 50
9 44 00 0 0
1 40
1 30
1 25
1 05
1 20
1 10
1 00
9 40 00 0 0
90
80
70
9 4000 0 0
60
50
40
30
9 3800 0 0
9 36 00 0 0
20
10
0
9 34 00 0 0
1 15
9 4400 0 0
9 42 00 0 0
9 38 00 0 0
1 35
9 4600 0 0
95
9 4200 0 0
85
75
65
55
45
35
9 3600 0 0
25
15
9 3400 0 0
4 80 00 0 50 0 00 0 52 00 0 0 5 4 00 00 5 60 0 00 5 80 00 0 60 0 00 0 6 2 00 0 0 6 4 00 00 6 60 0 00 6 80 00 0
4 8000 0 50 000 0 52 000 0 5 400 00 5 600 00 5 8000 0 60 000 0 6 200 0 0 6 400 00 6 600 00 6 8000 0
Q3: 2016 - 2020
Q4. 2021- 2025

9480 00 0
9 48 0 000
2 90
2 70
9 46 0 000
280
9460 00 0
260
2 50
2 30
9 44 0 000
240
9440 00 0
220
2 10
1 90
9 42 0 000
200
9420 00 0
180
1 70
1 50
9 40 0 000
160
9400 00 0
140
1 30
1 10
9 38 0 000
120
9380 00 0
100
90
70
9 36 0 000
50
30
9 34 0 000
10
80
9360 00 0
60
40
9340 00 0
20
480000 500000 520000 54 00 00 56 00 00 5800 00 600000 620000 640000 66 00 00 6800 00
4 80 00 0 500 00 0 5200 0 0 5 400 00 5 60 0 00 5 80 00 0 600 00 0 6200 0 0 6 400 00 6 60 0 00 6 80 0 00
Q6: 2031 - 2036
Q5: 2026 - 2030
Apndice 5: Mapas de Anomala de Evapotranspiracin Potencial proyectada al 2035 por

quinquenio (mm/ao). Escenario A2
176

APENDICE
APENDICE 6
ANOMALIA DE BALANCE HIDRICO PROYECTADO

ESCENARIO A2
2004-2035
948 00 00
948 00 00
350
325
946 00 00
300
275
250
944 00 00
225
450
400
946 00 00
350
300
944 00 00
250
200
942 00 00
175
200
942 00 00
150
150
125
940 00 00
100
75
50
938 00 00
100
940 00 00
50
0
-5 0
938 00 00
25
0
936 00 00
-2 5
-1 00
-1 50
936 00 00
-2 00
-5 0
-7 5
934 00 00
-1 00
-2 50
934 00 00
480 00 0 500 00 0 52 0000 540 000 560 000 580 00 0 60000 0 62 0000 640 000 660 00 0 680 00 0
-3 00
480 00 0 500 00 0 52 0000 540 000 560 000 580 00 0 60000 0 62 0000 640 000 660 00 0 680 00 0
Q1: 2006 -2010
Q2: 2011-2015
948 00 00
948 00 00
450
400
946 00 00
450
400
946 00 00
350
300
944 00 00
350
944 00 00
300
250
200
942 00 00
250
942 00 00
200
150
100
940 00 00
150
940 00 00
100
50
0
938 00 00
50
938 00 00
-5 0
-1 00
936 00 00
-1 50
-2 00
934 00 00
-2 50
-5 0
936 00 00
-1 00
-1 50
934 00 00
480 00 0 500 00 0 52 0000 540 000 560 000 580 00 0 60000 0 62 0000 640 000 660 00 0 680 00 0
-2 00
480 00 0 500 00 0 52 0000 540 000 560 000 580 00 0 60000 0 62 0000 640 000 660 00 0 680 00 0
Q3: 2016 - 2020
Q4. 2021- 2025
948 00 00
948 00 00
450
400
350
946 00 00
400
946 00 00
350
300
250
944 00 00
200
300
944 00 00
250
200
150
942 00 00
100
150
942 00 00
100
50
940 00 00
50
940 00 00
-5 0
-1 00
938 00 00
-5 0
938 00 00
-1 00
-1 50
-2 00
936 00 00
-1 50
-2 00
936 00 00
-2 50
-3 00
934 00 00
-3 50
480 00 0 500 00 0 52 0000 540 000 560 000 580 00 0 60000 0 62 0000 640 000 660 00 0 680 00 0
-2 50
-3 00
934 00 00
-3 50
480 00 0 500 00 0 52 0000 540 000 560 000 580 00 0 60000 0 62 0000 640 000 660 00 0 680 00 0
Q6: 2031 - 2035
Q5: 2026 - 2030
Apndice 6: Mapas de Anomala de Balance Hdrico proyectado al 2035 por quinquenio

177

GLOSARIO
_____________________________________________________________________________________________
GLOSARIO
Aerosoles:
Downscaling Dinmico:
Partculas de material, slidas o liquidas, ms

grandes que una molcula pero lo suficientemente
pequeas para quedar suspendidas en la atmsfera.
Las fuentes naturales de aerosoles incluyen
partculas de sal provenientes del mar y partculas de
arcilla de la erosin de las rocas. En ambos casos
estas partculas son transportadas hacia arriba por el
viento. Los aerosoles pueden influir en el clima de
dos maneras: directamente, mediante la dispersin y
la absorcin de la radiacin, e indirectamente, al
actuar como ncleos de condensacin para la
formacin de nubes o al modificar las propiedades
pticas y el perodo de vida de las nubes. Tambin se
pueden tener aerosoles originados como resultado de
la actividad humana y en este caso se les considera
contaminantes.
En el downscaling dinmico se incrementa

resolucin del modelo en el territorio de inters,
general anidando un modelo regional de clima en
condiciones de contorno que da el Modelo
Circulacin Global (MCG).
la
en
las
de
Downscaling Estadstico:
Se determinan las relaciones empricas entre
observaciones de variables a gran escala
(predictores) y variables a alta resolucin
(predictandos), provenientes de un banco de datos de
referencia del pasado. Los escenarios se construyen
aplicando esas relaciones a los predictores simulados
por los Modelos de Circulacin Global (MCGs).
Efecto Invernadero:
Alisios:
Los gases de efecto invernadero absorben de

manera eficaz la radiacin infrarroja, emitida por la
superficie de la Tierra, por las nubes y por la propia
atmsfera debido a los mismos gases. Esto es un
proceso natural y que ha mantenido la superficie de
la Tierra a una temperatura promedio de 15 C. La
vida en el planeta como la conocemos no existira si
no fuese por el efecto invernadero natural. Un
aumento en la concentracin de los gases de efecto
invernadero lleva a una mayor opacidad de la
atmsfera y, por lo tanto, a un aumento en la
temperatura del sistema superficie-troposfera.
Sistema de vientos relativamente constantes en

direccin y velocidad que soplan en ambos
hemisferios, desde los 30 de latitud hacia el ecuador
con direccin noreste en el hemisferio norte y sureste
en el hemisferio sur y son consecuencia del anticicln
atlntico. Estn cargados de humedad y son casi
constantes en el verano y ms irregulares en
invierno, en que se ven afectados por otros factores
meteorolgicos.
Cambio Climtico:
Variacin estadsticamente significativa, ya sea de las
condiciones climticas medias o de su variabilidad,
que se mantiene durante un perodo prolongado
(generalmente durante decenios o por ms tiempo).
El cambio del clima puede deberse a procesos
naturales internos o a un forzamiento externo, o a
cambios antropognicos duraderos en la composicin
de la atmsfera o en el uso de la tierra.
ENOS: El Nio - Oscilacin Sur

El Nio, de acuerdo con la acepcin original del
trmino, es una corriente de agua clida que fluye
peridicamente a lo largo de la costa del Ecuador y el
Per, perturbando la pesca local. Este evento est
asociado con una fluctuacin de las caractersticas de
la presin en superficie y la circulacin intertropical de
los ocanos ndico y Pacfico, denominada Oscilacin
Sur. A este fenmeno de acoplamiento entre la
atmsfera y el ocano en forma conjunta se le
conoce con el nombre de El Nio-Oscilacin Sur, o
ENOS. Durante El Nio, las aguas clidas del
Pacfico occidental tropical migran hacia el este a
medida que los alisios se debilitan, desviando la
trayectoria de los temporales de lluvias tropicales,
que disminuyen an ms la fuerza de los alisios y
acentuando as los cambios en las temperaturas del
mar. A medida que las aguas clidas avanzan hacia
el este a lo largo de la regin ecuatorial, el nivel del
mar baja en el oeste, pero se eleva en el este. Los
cambios en la circulacin atmosfrica no se limitan a
los trpicos, sino que se extienden por todo el planeta
y repercuten en las corrientes en chorro y en la
trayectoria de las tormentas en latitudes medias.
Durante la Nia -la fase opuesta del fenmeno- se
observan configuraciones aproximadamente inversas.
Clima:
Se suele definir el clima, en sentido estricto, como el
"promedio del estado del tiempo" o, ms
rigurosamente, como una descripcin estadstica en
trminos de valores medios y de variabilidad de las
cantidades de inters durante un perodo que puede
abarcar desde algunos meses hasta miles o millones
de aos. El perodo clsico es de 30 aos, segn la
definicin de la Organizacin Meteorolgica Mundial
(OMM). Dichas cantidades son casi siempre variables
de
superficie,
como
la
temperatura,
las
precipitaciones o el viento. En un sentido ms amplio,
el clima es el estado del sistema climtico, incluida
una descripcin estadstica de ste.
178

GLOSARIO
_______________________________________________________________________________________________
Escenarios Climticos:
Espectro de Potencia:
Descripcin verosmil y a menudo simplificada del

clima futuro, sobre la base de una serie
intrnsecamente
coherente
de
relaciones
climatolgicas, elaborada para ser expresamente
utilizada en la investigacin de las posibles
consecuencias
de
los
cambios
climticos
antropgenos y que suele utilizarse como instrumento
auxiliar para la elaboracin de modelos de impacto.
Las proyecciones climticas sirven a menudo como
materia prima para la creacin de escenarios
climticos, pero stos suelen requerir informacin
adicional, como datos sobre el clima observado en la
actualidad.
Un espectro de potencia muestra los niveles relativos

de potencia en diferentes frecuencias. Es la
representacin grfica del cuadrado medio de la
densidad espectral en funcin de su frecuencia.
Evapotranspiracin:
Es la combinacin de procesos de evaporacin del
agua y transpiracin de las plantas por medio de la
cual el agua es transferida a la atmsfera desde la
superficie.
Fuente:
Cualquier proceso, actividad o mecanismo que se
libera en la atmsfera como un gas de efecto
invernadero, un aerosol o un precursor de un gas de
efecto invernadero o de un aerosol.
Escenarios de Cambio Climtico:

Un escenario de cambio climtico es la diferencia
entre un escenario climtico y el clima actual y tienen
un patrn semejante desde el punto de vista
demogrfico, econmico, social y en cuanto a cambio
tcnico. Los escenarios comprenden cuatro conjuntos
de escenarios: A1, A2, B1, y B2.
A1: un mundo futuro de crecimiento econmico muy
rpido; poblacin mundial alcanza su nivel ms alto a
mitad de siglo y disminuye posteriormente; rpida
introduccin de nuevas tecnologas ms eficientes.
Cuestiones ms importantes son la interaccin
cultural y social entre las regiones y la capacitacin,
con una importante reduccin de las diferencias
regionales en los ingresos per cpita.
A2: un mundo muy heterogneo. La cuestin
subyacente es la autosuficiencia y preservacin de
las identidades locales. Los perfiles de fertilidad en
las distintas regiones tienden a converger muy
lentamente, resultando en un aumento continuo
constante de la poblacin. El desarrollo econmico
con orientacin principalmente regional y crecimiento
econmico
per
cpita;
cambio
tecnolgico
fragmentado y ms lentos que en otras lneas
evolutivas.
B1: un mundo convergente, con la misma poblacin
mundial, que alcanza su nivel ms alto a mediados
del siglo para disminuir posteriormente, con cambios
rpidos en las estructuras econmicas hacia una
economa de la informacin y de los servicios;
reducciones en el consumo de materiales;
introduccin de tecnologas limpias y recursos
eficaces; hincapi en soluciones mundiales a la
sostenibilidad econmica social y ambiental, lo que
comprende una mejora de la equidad.
B2: un mundo en el que se hace hincapi en las
soluciones locales a la sostenibilidad econmica,
social y ambiental; la poblacin mundial crece
continuamente, a un ritmo menor al de la lnea
evolutiva A2; niveles medios de desarrollo
econmico; cambios tecnolgicos menos rpidos y
ms variados que en las lneas evolutivas B1 y A1.
Est orientado hacia la proteccin ambiental y a la
equidad social en las escalas local y regional.
Gas de Efecto Invernadero (GEI):

Cualquier gas que absorbe radiacin infrarroja en la
atmsfera. Esta propiedad produce el efecto
invernadero. Las gases invernadero son el vapor de
agua, el dixido de carbono (CO2), metano (CH4),
xido nitroso (N2O), fluorocarbono halogenados
(HCFCs), ozono (O3), perfluorocarbonos (PFCs), e
hidrofluorocarbonos (HFCs). (EPA)
Incertidumbre:
Es una expresin del grado en el cual un valor es
desconocido (como el futuro estado del sistema
climtico). Una incertidumbre puede ser el resultado
de la falta de informacin o de un desacuerdo sobre
lo que se conoce o es conocible. Puede provenir de
muchas fuentes desde los errores cuantificables en
los datos a conceptos o terminologas ambiguas, o
proyecciones inciertas del comportamiento humano.
De esta forma las incertidumbres pueden expresarse
en forma cuantitativa (Ej. un rango de valores
calculados por distintos modelos), o por unas
declaraciones cualitativas (que reflejen por ejemplo la
opinin de un grupo de expertos)
IOS:
El ndice de oscilacin del sur (IOS) se calcula
restando la presin en el Pacfico occidental de la
presin en el Pacfico oriental. El ndice es positivo
cuando la diferencia entre la Alta presin del Pacfico
subtropical (isla de Pascua) y la Baja Presin de
Indonesia es intensa, hay mayor diferencia de presin
y se denomina perodo estable. En este caso, los
vientos alisios y la corriente ecuatorial del sur son
intensos, hay un aumento del nivel del mar en el
borde occidental del Pacfico mientras que en el
borde oriental el nivel del mar es ms bajo y se
presentan aguas fras por surgencias. En la situacin
contraria, cuando se debilita la diferencia de presin,
el ndice de oscilacin es negativo. En este caso hay
una inversin generalizada de los patrones
179

GLOSARIO
_______________________________________________________________________________________________
baromtricos lo que provoca el fenmeno El Nio,
Esta situacin se reconoce como Perodo inestable
en que los vientos alisios se debilitan.
Parametrizacin:
En los modelos climticos, este trmino se refiere a la
tcnica empleada para representar aquellos procesos
que no es posible resolver a la resolucin espacial o
temporal del modelo (procesos a escala subreticular)
mediante las relaciones entre el efecto de esos
procesos a escala subreticular, calculado como
promedio por zona o perodo de tiempo, y el flujo a
mayor escala.
IPCC: Intergovernmental Panel on Climate

Change
El Grupo Intergubernamental de Expertos sobre el
Cambio Climtico (IPCC) fue creado en 1988 por la
Organizacin Meteorolgica Mundial (OMM) y el
Programa de las Naciones Unidas para el Medio
Ambiente (PNUMA). Sus atribuciones comprenden: i)
evaluar la informacin cientfica y socioeconmica
disponible sobre el cambio climtico y su impacto, as
como las opciones para mitigar el cambio climtico y
la adaptacin al mismo, y ii) proporcionar, previa
solicitud, asesoramiento cientfico, tcnico y
socioeconmico a la Conferencia de las Partes (CP)
de la Convencin Marco sobre el Cambio Climtico,
de las Naciones Unidas (CMCC).
Percentil:
El percentil es un trmino conveniente que se usa
para denotar valores extremos en las distribuciones
de frecuencia. De esta forma el percentil 10 es el
valor que marca el 10 por ciento ms bajo del
conjunto de datos. As el percentil 50 es igual a la
mediana y el percentil 90 excede todos los valores
excepto el 10 por ciento superior.
Periodo de Retorno:
Intervalo de recurrencia promedio entre eventos que
igualan o exceden una magnitud especificada; por
ejemplo, caudal mximo de crecida.
Mxima duracin de perodo seco:

Mximo tiempo en aos en que la precipitacin anual
registra de manera consecutiva (ao tras ao) valores
deficitarios en comparacin con su valor histrico o
promedio.
Precipitacin:
Cualquier forma de partculas de agua, lquidas o
slidas, que caen de la atmsfera y llegan al suelo
MCG:
Es un modelo global tridimensional del sistema
climtico que puede ser utilizado para simular cambio
climtico inducido por el hombre; los MCG son
altamente complejos y representan los efectos de
factores como propiedades de reflectividad y la
absorvancia del vapor de agua atmosfrico, las
concentraciones de gases de efecto invernadero,
nubosidad, calentamiento solar diario y anual,
temperatura del ocano y limites de hielo. El MCG
mas reciente incluye representaciones globales de la
atmsfera, los ocanos y la superficie terrestre.
Protocolo de Kyoto:
El Protocolo de Kyoto de la Convencin Marco de las
Naciones Unidas sobre el Cambio Climtico (CMCC)
se aprob en 1997 en Kyoto (Japn). El Protocolo
establece compromisos jurdicamente vinculantes,
adems de los ya incluidos en la CMCC. Los pases
que figuran en el Anexo B del Protocolo (la mayora
de los pases miembros de la OCDE y pases con
economas en transicin) acordaron reducir sus
emisiones antropgenas de gas de efecto
invernadero (CO2, CH4, N2O, HFC, PFC y SF6) a un
nivel inferior en no menos de 5% al de 1990 en el
perodo de compromiso comprendido entre 2008 y
2012.
Nivel medio del mar:

En la costa es definido como la altura del mar con
respecto a un punto de referencia local en tierra,
promediado sobre un periodo de tiempo, tal como un
mes o un ao, lo suficientemente largo para que las
fluctuaciones causadas por las ondas y corrientes o
mareas sean ampliamente removidas.
Reforzamiento Radiativo:
Cambio en la irradiacin neta vertical (expresada en
Wm-2) en la tropopausa debido a un cambio interno o
un cambio en el forzamiento externo del sistema
climtico (por ejemplo, un cambio en la concentracin
de dixido de carbono o la potencia del Sol.
Normalmente el forzamiento radiativo se calcula
despus de permitir que las temperaturas
estratosfricas se reajusten al equilibrio radiativo,
pero manteniendo fijas todas las propiedades
troposfricas en sus valores sin perturbaciones.
La Oscilacin Decadal del Pacfico (ODP)

Es uno de los ndices de variabilidad climtica del
ENOS. El ENOS y el ODP tienen un patrn espacial y
de temperaturas similar, pero muestran diferencias en
el tiempo: la ODP muestra cobertura decadal y la
oscilacin completa, comprende una fase caliente y
una fra y puede extenderse sobre ms de 50 aos.
Los efectos climticos primarios de la ODP se
concentran en el Pacfico Norte y los efectos
secundarios en las zonas tropicales.
Regionalizacin Dinmica:
Ver Downscaling dinmico.
180

GLOSARIO
_______________________________________________________________________________________________
Regionalizacin Estadstica:
Temperatura Superficial del Mar:
Ver Downscaling Estadstico.
La temperatura sub superficial en los primeros metros

del ocano que influye en el comportamiento de otros
indicadores de la calidad del recurso hdrico, como el
pH, el dficit de oxgeno, la conductividad elctrica y
otras variables fisicoqumicas.
Nivel de Significancia:
Da la probabilidad de que las mediciones de una
muestra aleatoria sean las mismas para toda la
poblacin (ver Significacin).
Tropicalizacin:
Es una tendencia al aumento de precipitaciones a
medida que avanzan los aos, los picos de
temperaturas muy altos y una disminucin de las
frecuencias de ocurrencia de heladas, que generan
nuevas condiciones meteorolgicas y climticas.
Sequa:
Situacin climatolgica anormal que se da por la falta
de precipitacin en una zona, durante un perodo de
tiempo prolongado. Esta ausencia de lluvia presenta
la condicin de anmala cuando ocurre en el perodo
normal de precipitaciones para una regin bien
determinada. As, para declarar que existe sequa en
una zona, debe tenerse primero un estudio de sus
condiciones climatolgicas.
Variabilidad Climtica:
La variabilidad del clima se refiere a variaciones en
las condiciones climticas medias y otras estadsticas
del clima (como las desviaciones tpicas, los
fenmenos extremos, etc.) en todas las escalas
temporales y espaciales que se extienden ms all
de la escala de un fenmeno meteorolgico en
particular. La variabilidad puede deberse a procesos
naturales internos que ocurren dentro del sistema
climtico (variabilidad interna), o a variaciones en el
forzamiento externo natural o antropognico
(variabilidad externa).
Significacin:
Se dice que un resultado es significativo, si la
hiptesis de que el suceso no se produzca se
rechaza basndose en anlisis estadsticos (pruebas
de significancia).
Sink sumidero:
Cualquier proceso, actividad o mecanismo que
elimine de la atmsfera un gas de efecto invernadero,
un aerosol o un precursor de un gas de efecto
invernadero o de un aerosol.
Variabilidad Natural:
El anlisis de los registros instrumentales e histricos
muestra una variabilidad constante del clima. Esta
variabilidad es como un "ruido" de fondo, que resulta
tanto de las fluctuaciones internas y causas externas
como la variabilidad solar o erupciones volcnicas.
Todos los estudios se enfocan a intentos para
distinguir entre influencias antropognicas y
naturales.
Spin-up:
Es una tcnica para inicializar un MCG. Hasta hoy no
es posible diagnosticar con precisin el estado del
sistema atmsfera - ocano y por eso no es posible
asignar condiciones iniciales observadas para un
experimento con un MCG. En su lugar, los
componentes de la atmsfera y el ocano del modelo
son corridos por separado, forzados con condiciones
de frontera observadas, tal vez seguidos de un
perodo adicional de spin-up cuando la atmsfera y
el ocano se hallan acoplado, hasta que el MCG est
estable.
Variancia:
En sentido general se utiliza para dar una idea de
dispersin alrededor de un valor central, de una lnea
de tendencia. Es el promedio de los cuadrados de las
desviaciones de cada valor observado respecto a su
media aritmtica.
181

REFERENCIAS
__________________________________________________________________________________
Referencias Bibliogrficas
Arntz W, Fahrbach E.: El Nio Experimento climtico de la naturaleza, Editorial Fondo de Cultura
Econmica. 1996. p.11-63.
Brinkmann A: Local versus Remote Gris points in Climate Downscaling. Climate Res. Vol. 21, 2002.
pp 27-42.
Chow V.T., Maidment D.R., Mays, L.W. Applied Hydrology. Mac Graw Hill, USA, 1988.
Grupo intergubernamental de expertos sobre el cambio climtico. Cambio climtico 2001 La Base
Cientfica,
Goodess C, Hanson C, Hulme M y Osborn T.: Representing Climate and Extreme Weather Events in
Integrated Assessment Models: A review of Existing Methods and Options for Development.
Integrated Assessment, Vol. 4 N 3 (2003), pp 145-171.
Goodess C,: The construction of daily rainfall scenarios for Mediterranean sites using a circulationtype approach to downscaling. PhD. Thesis University of East Anglia, 2000.
Guevara P. E., Cartaya D. H. Hidrologia una Introducin a la Ciencia Hidrolgica Aplicada.
Universidad de Carabobo Venezuela, 1991.
Hewitson B. C and Crane,R.:Climate Downscaling: Techniques and Application. Climate Res. 7
(1996), pp 85 -95.
Informe especial del grupo III del IPCC: Escenarios de emisiones, Resumen para responsables de
polticas, 2000.
IPCC: Climate Change 2001: Summary for Policymakers
Linsley, R.K, Kohler, M.A. y Paulhus, J.L. Hidrologa para Ingenieros Mac Graw Latinoamericana.
1977.
Luque J.A., Hidrologa Agrcola Aplicada Editorial Hemisferio Sur, Buenos Aires Argentina
1981.
Pielke, R. A., W. R. Cotton, R. L. Walko, C. J. Tremback, W. A. Lyons, L. D. Grasso, M. E. Nicholls,
M. D. Moran, D. A. Wesley, T. J. Lee, and J. H. Copeland,: A comprehensive meteorological
modeling system - RAMS. Meteor. Atmos. Phys., 49, (1992),pp 69-91.
United States Environmental Protection Agency (EPA). Glossary of Climate Change Terms.
Withers B. Vipond S. El Riego Diseo y Practica, Editorial Diana, Distrito federal Mexico 1979.
http://www.vision.net.au/~daly/elnino.htm
ftp://ftp.ncep.noaa.gov/pub/cpc/wd52dg/data/indices/
http://ipcc-ddc.cru.uea.ac.uk/dkrz/dkrz_index.html
http://www.dar.csiro.au/analysis/index.html: Modelo CSIRO
http://sedac.ciesin.org/mva/iamcc.tg/GCM_thematic_guide.html: Descripcin de Modelos MCG
http://www.physionet.org/physiotools/wfdb/psd/lomb.c : Periodograma Lomb
http://www.grida.no/climate/ipcc_tar/wg1/474.htm : Grupo I, Base Cientfica, Cambio climtico 2001
http://www.pol.ac.uk/psmsl/psmsl_individual_stations.html
182

Biv00258 PDF

Cargado por

Copyright:

Formatos disponibles

Biv00258 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Biv00258 PDF

Cargado por

Copyright:

Formatos disponibles

PROGRAMA DE CAMBIO CLIMTICO Y CALIDAD DE AIRE

ESCENARIOS DEL CAMBIO CLIMTICO

Servicio Nacional de Meteorologa e Hidrologa - SENAMHI

Equipo Escenarios Climticos

Infraestructura del Sistema Computacional

M Sc. ngel Cornejo

SERVICIO NACIONAL DE METEOROLOGA E HIDROLOGA

CAPITULO II LOS ESCENARIOS DEL CAMBIO CLIMATICO

CAPITULO III CUENCA DEL RIO PIURA

CAPITULO IV ANALISIS DE LOS MODELOS DE CIRCULACION

Descripcin de los modelos de circulacin general

Presin atmosfrica a nivel del mar como indicador de eventos ENOS

Nivel medio del mar

CAPITULO V REGIONALIZACION DINAMICA

Balance hdrico en la Cuenca del Ro Piura

Disponibilidad de agua regulada para la cuenca del bajo Piura y

CAPITULO VI REGIONALIZACIN ESTADSTICA

CAPITULO VII ANLISIS DE EXTREMOS REGIONALES

CAPITULO VII CONCLUSIONES GENERALES

Anexos de Mapas (documento adjunto)

Mapas de regionalizacin dinmica

Variacin de la temperatura media global 1880 2000 (C)

Frecuencias del espectro de la TSM para el modelo NCAR

MAM, JJA y SON en estaciones representativas de la Cuenca

durante DEF y MAM. Estacin Miraflores

Comparacin de los modelos PNT y MCG

INDICE DE CUADROS RESUMEN

Precipitaciones estimadas en los escenarios A2 y B2

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

Walko y Dr. Craig Tremback por su constante soporte tcnico en el manejo

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

Para un mejor entendimiento del contenido del presente reporte, ste se ha

Est calentndose la Tierra?, Este calentamiento es producido por la

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

este incremento de la temperatura es parte de la variabilidad natural (debido a

Fig. 1 Variacin de la temperatura media global 1880 2000 (en C)

Bases tericas del cambio climtico global

Para poder comprender el cambio climtico global y el aumento de la temperatura

siglas en ingls de Programa de Informacin del Cambio Climtico Global

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

estn bien mezclados pero no es fsicamente uniforme pues tiene variaciones

Los sistemas acoplados

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

Formas de variabilidad natural

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

EL Nio Oscilacin Sur (ENOS)

La fluctuacin natural ms intensa del clima a escala temporal interanual es el

Dr. Theodor Landscheidt

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

Durante La Nia [la fase opuesta del fenmeno] se observan configuraciones

Fig. 2 Ubicacin de las regiones El Nio en el Pacfico Tropical.

Los cambios asociados al ENOS producen grandes variaciones meteorolgicas y

Cambios en la circulacin atmosfrica en el Pacfico tropical

Escenarios de Cambio Climtico en el Per al 2050: Cuenca Ro Piura

Fig. 3 ndice de Oscilacin del Sur (IOS) estandarizado 1970-2004

1.6.1 Patrones de circulacin atmosfrica en la costa norte