Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pgina 4-1
que la utilizacin de cada uno de los tipos de series es determinada por cada proyecto
especfico en el cual se vayan a utilizar los resultados del anlisis de los eventos extremos
(Chow, 1964).
Pese a lo anterior, en muchos de los casos prcticos se utilizan las series mximas anuales, ya
que en este tipo de serie no es necesaria la separacin de la serie de registros continua en
eventos o tormentas estadsticamente independientes, lo que eventualmente puede complicar un
poco el anlisis. Chow muestra que existe una relacin entre las series de mximas anuales y las
series de duraciones parciales (1964).
Una vez seleccionada la serie de mximos el siguiente paso consiste en establecer el rango de
duraciones para el cual se estimaran las curvas IDF. Algunos autores consideran que en un sitio
especfico puede estimarse una sola familia de curvas para un amplio rango de duraciones, por
ejemplo entre 5 minutos y 24 horas, mientras que la gran mayora consideran que para cada
sitio especfico deben determinarse dos familias de curvas una para las duraciones ms cortas,
entre 5 y 60 o 120 minutos y otra entre 60 o 120 minutos hasta 24 horas e incluso hasta varios
das. A pesar de no tenerse ninguna demostracin rigurosa, diversos autores consideran que
esta subdivisin debe realizarse ya que se tienen caractersticas fsicas muy diferentes en las
lluvias de corta duracin, entre 0 y 1 o 2 horas, las cuales son debidas a fenmenos netamente
convectivos, y las de larga duracin, mayores a dos horas (Bonacci 1984).
Luego de escoger el rango de validez de las curvas IDF, a cada una de las series obtenidas
para cada duracin se le ajusta una funcin de distribucin, normalmente la distribucin
Gumbel. Con la funcin de distribucin ajustada a los datos observados se construyen familias
de curvas en las cuales pueden estimarse las intensidades mximas (o precipitaciones) para
diferentes duraciones para diferentes probabilidades de ocurrencia.
Usualmente para evitar la representacin grfica de las curvas, y poder automatizar su clculo,
stas son ajustadas a diferentes expresiones matemticas de varios tipos, entre las ms comunes
se encuentran las siguientes (Froehlich 1995):
(4-1)
(4-2)
(4-3)
donde I, es la intensidad de la lluvia a, b y n son parmetros de las ecuaciones que dependen
del perodo de retorno y de la localizacin de la estacin y d es la duracin de la tormenta.
Todas fueron propuestas empricamente por diversos investigadores en estudios especficos de
precipitaciones mximas.
Varios estudios han sido realizados acerca de la estimacin de las curvas I-D-F en Colombia a
partir de las propiedades de escalamiento temporal de las tormentas de distinta duracin
(Wilches 2001, Poveda y otros 2001, Pulgarn 2009).
Pgina 4-2
4.2 Antecedentes
Segn Sun, y otros (2006) las lluvias intensas han sido analizadas desde hace mucho tiempo y
los estudios que se han realizado han tenido diversos objetivos, sin embargo, en la mayora de
ellos el objetivo ltimo es la determinacin de los caudales mximos para el dise o de
diferentes estructuras hidrulicas. En cuanto a la distribucin de precipitacin en el mundo, ha
sido objeto de numerosos estudios (por ejemplo, Legates y Willmott, 1990; Xie y Arkin, 1997;
Huffman, y otros, 1997; Adler, y otros, 2003), pero otras caractersticas de inters para la
investigacin del clima, tales como la frecuencia, la intensidad, y la contribucin de las lluvias
torrenciales, estn siendo cada vez ms estudiadas dentro del marco de referencia del cambio
climtico. Por ejemplo, Trenberth, y otros (2003) sostuvieron que en un clima ms clido, donde
se espera que la cantidad de humedad atmosfrica aumente ms rpidamente que la cantidad
total de precipitacin, los incrementos en la intensidad de la precipitacin debe n ser
compensados por la disminucin en la frecuencia de sta. Sin embargo, estas caractersticas han
sido objeto de anlisis limitado mediante observaciones y modelos.
Usando registros meteorolgicos mundiales, Dai (2001) document por primera vez la
distribucin espacial y las variaciones estacionales en la frecuencia de los distintos tipos de
precipitacin a escala mundial. Higgins, Janowiak y Yao (1996) examinaron la frecuencia de
la precipitacin en los Estados Unidos utilizando los datos de pluvimetros horarios. Petty
(1995) realiz mapas de frecuencia de precipitacin estacional para distintas intensidades en
los ocanos. Desde un punto de vista del cambio climtico, Karl y Knight (1998) sugirieron que
en los Estados Unidos un incremento en el nmero de das con precipitaciones se ha producido
desde 1910 para todas las categoras de las cantidades de precipitacin, y tambin sugirieron
un aumento en la intensidad de los eventos de precipitacin extrema (grandes cantidades de
lluvia). Groisman, y otros (2005) sealaron que los cambios sistemticos (en su mayora
aumentos) en las grandes precipitaciones a escala diaria se han producido durante los ltimos
100 aos en diversas regiones del mundo. Las proyecciones de los modelos climticos han
sugerido que habr una mayor intensidad de precipitaciones (aunque con variaciones
regionales).
La estimacin de las futuras modificaciones de los ndices de precipitacin debido a las
variaciones en las concentraciones de gases de efecto invernadero deber basarse en los
modelos climticos. En anteriores estudios, las simulaciones de los MCG se han utilizado para
Pgina 4-3
evaluar los cambios en las precipitaciones extremas bajo condiciones de mayor efecto
invernadero (por ejemplo, Zwiers y Zhang, 2003). En estudios ms recientes, los modelos
climticos regionales (MCR) se han utilizado (por ejemplo Jones y Reid, 2001; Semmler, H. y
Podzun, 2004).
Frei y Schar (2001) mostraron que una tendencia general de aumento se observa entre los
periodos 1961-1990 y 2071-2100 para el periodo de retorno de 5 aos y con una duracin
de un da sobre el norte y el este de Europa y una disminucin en el sur de Europa. Usando la
simulacin del modelo MM5 para generar la precipitacin diaria con una resolucin 27 km en
la horizontal, durante el perodo de 1971-2100, el trabajo de Boo, Kwon y Baek (2006) puso
de manifiesto que Corea experimentara un importante aumento en los eventos fuertes de
precipitacin. Tal cambio en el patrn de las precipitaciones extremas en Corea (Boo, Kwon y
Baek 2006), es coherente con anteriores resultados observados para el Japn y China
(Easterling y otros, 2000).
Grum y otros (2006) utilizaron los resultados de simulacin del modelo climtico regional
HIRHAM para evaluar posibles cambios en la amplitud y la frecuencia mxima de eventos de 1
hora. Segn sus resultados, el periodo de retorno para una intensidad mxima en 1 hora en el
clima actual (1979-1996) se reducir a la mitad aproximadamente en el futuro (2071-2100).
Mailhot y otros (2007) evaluaron la modificacin de los eventos de precipitacin extrema en el
futuro, empleando el modelo climtico regional canadiense (CRCM) con simulaciones de control
(1961-1990) y futura (2041-2070) en una regin del Canad, al sur de Quebec. Al comparar
los registros de precipitacin disponibles con los datos del CRCM encontraron que son
coherentes con los datos observados teniendo en cuenta la diferencia entre las escalas
espaciales comparadas. Las estimaciones regionales sealan que, al comparar el periodo de
control con el clima futuro los perodos de retorno para los eventos de 2 y 6 horas se reducen
alrededor de la mitad en el futuro, mientras que se disminuye en un tercio para eventos de 12 h
y 24 h. El anlisis de correlacin espacial entre la serie simulada de control y la futura sugieren
que, para una determinada duracin, las correlaciones espaciales disminuirn en el clima futuro
los eventos de precipitacin extrema puede ser el resultado de ms sistemas meteorolgicos
convectivos ms localizados.
Pgina 4-4
Pgina 4-5
Pgina 4-6
Este mtodo es ms robusto, desde el punto de vista estadstico, que los dems mtodos para la
estimacin de parmetros, sin embargo, para muestras de menor longitud puede ser menos
eficiente que el mtodo de L-momentos, adems, este mtodo es mucho ms complicado
desde el punto de vista computacional.
Mtodo de L-momentos: Este mtodo es similar al mtodo de los momentos y se basa en que
una funcin de distribucin puede ser caracterizada por sus momentos ponderados por la
probabilidad (PWM por sus siglas en ingls; Grenwood, y otros (1979), por lo tanto basta con
calcular los momentos ponderados por la probabilidad a partir de los datos mustrales. A su
vez los L-momentos son estadsticos, los cuales aparecen como una modificacin de los PWM,
que pueden ser expresados en trminos de stos y por lo tanto una funcin de distribucin
puede ser caracterizada por los L-momentos. Para la existencia de los r-simos L-momentos
slo se requiere que exista el primer momento de la funcin de distribucin.
Este mtodo tiene la ventaja terica sobre el mtodo de los momentos convencional en que por
medio de este se caracteriza una amplia gama de funciones de distribucin y, adems, que es
un mtodo ms robusto ante la presencia de puntos extraordinarios espureos en la muestra
outliers, cuando se calculan los parmetros a partir de los datos mustrales (Hosking y Wallis
1997).
A continuacin se hace una breve introduccin al concepto de los L-momentos.
Los L-momentos constituyen un mtodo alternativo al mtodo tradicional (momentos
convencionales) para describir la formas de las funciones de distribucin (Hosking 1990) y
surgen de combinaciones lineales de los momentos ponderados probabilsticamente (MPP)
introducidos por Grenwood y otros (1979). Los momentos ponderados probabilsticamente de
la variable aleatoria con una funcin de distribucin
son utilizados para estimar los
parmetros de las distribuciones que pueden ser expresadas en forma inversa
explcitamente. Los MPP se definen por la siguiente expresin:
(4-6)
Donde:
son nmeros reales y es la funcin de distribucin acumulada. Si
es un entero no negativo, entonces
es el momento convencional de orden . Para
los cuatro primeros L-momentos
se puede expresar en trminos de los
MPP segn las siguientes expresiones:
(4-6)
Pgina 4-7
Estos cuatro L-momentos guardan cierta relacin con los cuatro primeros momentos
convencionales de la variable aleatoria . Es muy conveniente definir los L-momentos de forma
adimensional, lo que permite la comparacin entre estaciones del mismo modelo que se hace
con los momentos convencionales. Como se puede observar, los L-momnetos tienen las mismas
dimensiones que la variable aleatoria .
Se puede definir un L-coeficiente de variacin como:
(4-7)
Mientras que los L-coeficientes de asimetra y curtosis seran:
(4-8)
(4-9)
Estos coeficientes guardan semejanza conceptual con sus homlogos los momentos
convencionales.
Los parmetros de la funcin de distribucin GEV determinados a travs de los L-momentos
(Hosking y Wallis 1997):
(4-10)
(4-11)
(4-12)
(4-13)
Donde
Pgina 4-8
FIGURA 4-1
EJEMPLO DE CURVAS IDF PARA TORMENTAS INTENSAS DE 24 HORAS DE DURACIN EN EL PIXEL 152 DEL
MODELO CCSM3 Q UE PERTENECE A LA REGIN AMAZONAS (VER ANEXO 1 Y 2).
Pgina 4-9
Pgina 4-10
Colombia
Amazonas
Andina
Caribe
Orinoqua
Pacfica
20C3M-SRES A2 46-65
48.0
31.8
35.3
123.1
28.0
48.0
154.6
319.1
53.7
61.0
293.4
154.6
20C3M-SRES B1 46-65
34.8
61.3
39.7
27.6
30.6
34.8
62.0
89.4
34.8
29.4
117.8
62.0
43.1
38.5
45.8
91.7
8.5
43.1
67.9
167.6
65.7
14.5
58.7
67.9
TABLA 4-2
Colombia
Amazonas
Andina
Caribe
Orinoqua
Pacfica
20C3M-SRES A2 46-65
4.8
3.1
5.2
6.7
1.9
7.1
12.7
2.3
6.3
1.2
3.1
50.5
20C3M-SRES B1 46-65
312.7
2.9
7.5
4.2
1255.6
293.2
899.1
318.9
708.5
1995.0
1222.4
250.7
303.2
1.6
4.1
4.8
1224.7
281.1
619.7
297.6
649.0
2096.2
3.1
52.6
donde, y son las precipitaciones de dos simulaciones con las cuales se quiere comparar que
pertenecen a un mismo pixel halladas y a un mismo. Las comparaciones porcentuales se
realizan para los siguientes escenarios y periodos de tiempo: la simulacin 20C3M e el periodo
1981-2000 con el escenario SRES A2 en el periodo 2046-2065, el escenario SRES A2 en los
periodo 2046-2065 y 2081-2100, la simulacin 20C3M e el periodo 1981-2000 con el
escenario SRES B1 en el periodo 2046-2065 y el escenario SRES B1 en los periodo 2046-2065
y 2081-2100; cada una de estas comparaciones se hace para los Tr de 2, 5, 10, 25 y 50 aos
y para cada modelo.
Las Figura 4-2 y Figura 4-3 muestran los mapas porcentuales de cambio para cada Tr para el
modelo CCSM3 y el modelo ECHAM5 respectivamente.
Pgina 4-11
CCSM3
COLOMBIA
Error (%)
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(i)
(j)
(k)
(l)
(m)
(n)
(o)
(p)
(q)
(r)
(s)
(t)
-1.526 - -1.248
-1.247 - -1.060
-1.059 - -881
-880 - -725
-724 - -641
-640 - -595
-594 - -529
-528 - -354
-353 - -263
-262 - -190
-189 - -155
-154 - -106
-105 - -102
-101 - -92
-91 - -85
-84 - -76
-75 - -70
-69 - -58
-57 - -53
-52 - -41
-40 - -38
-37 - -37
-36 - -34
-33 - -30
-29 - -28
-27 - -22
-21 - -22
-21 - -19
-18 - -15
-14 - -12
-11 - -10
-9 - -6
-5 - -5
-4 - 3
4-6
7 - 15
16 - 18
19 - 27
28 - 32
33 - 36
37 - 43
44 - 52
53 - 54
55 - 57
58 - 59
60 - 65
66 - 71
72 - 73
74 - 81
82 - 88
FIGURA 4-2
MAPAS PORCENTUALES DE CAMBIO PARA EL MODELO CCSM3. EN LA FILA 1 LOS MAPAS PARA EL TR DE 2
AOS, FILA 2 PARA TR DE 5 AOS, FILA 3 PARA TR DE 10 AOS, FILA 4 PARA TR DE 25 AOS Y FILA 5 TR DE 50 AOS. EN LA
COLUMNA 1 LAS COMPARACIONES ENTR E LA SIMULACIN 20C3M EN EL PERIODO 1981-2000 CON EL ESCENARIO SRES A2 EN
EL PERIODO 2046 -2065, EN LA COLUMNA 2 LA COMPARACIN DEL ESCENARIO SRES A2 EN LOS PERIODOS FUTUROS 2046-2065
Y 2081-2100, EN LA COLUMNA 3 LAS COMPARACIONES ENTRE LA SIMULACIN 20C3M EN EL PERIODO 1981-2000 CON EL
ESCENARIO SRES B1 EN EL PERIODO 2046 -2065 Y EN LA COLUMNA 4 LA CO MPARACIN DEL ESC ENARIOS SRES B1 EN LOS
PERIODOS FUTUROS 2046-2065 Y 2081-2100
Pgina 4-12
ECHAM5
COLOMBIA
Error (%)
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(i)
(j)
(k)
(l)
(m)
(n)
(o)
(p)
(q)
(r)
(s)
(t)
-1.526 - -1.248
-1.247 - -1.060
-1.059 - -881
-880 - -725
-724 - -641
-640 - -595
-594 - -529
-528 - -354
-353 - -263
-262 - -190
-189 - -155
-154 - -106
-105 - -102
-101 - -92
-91 - -85
-84 - -76
-75 - -70
-69 - -58
-57 - -53
-52 - -41
-40 - -38
-37 - -37
-36 - -34
-33 - -30
-29 - -28
-27 - -22
-21 - -22
-21 - -19
-18 - -15
-14 - -12
-11 - -10
-9 - -6
-5 - -5
-4 - 3
4-6
7 - 15
16 - 18
19 - 27
28 - 32
33 - 36
37 - 43
44 - 52
53 - 54
55 - 57
58 - 59
60 - 65
66 - 71
72 - 73
74 - 81
82 - 88
FIGURA 4-3
MAPAS PORCENTUALES DE CAMBIO PARA EL MODELO ECHAM5. EN LA FILA 1 LOS MAPAS PARA EL TR DE
2 AOS, FILA 2 PARA TR DE 5 AOS, FILA 3 PARA TR DE 10 AOS, FILA 4 PARA TR DE 25 AOS Y FILA 5 TR DE 50 AOS. EN
LA COLUMNA 1 LAS COMPARACIONES ENTRE LA SIMULACIN 20C3M EN EL PERIODO 1981-2000 CON EL ESCENARIO SRES A2
EN EL PERIODO 2046 -2065, EN LA COLUMNA 2 LA COMPARACIN DEL ESCENARIO SRES A2 EN LOS PERIODOS FUTUROS 20462065 Y 2081 -2100, EN LA COLUMNA 3 LAS COMPARACIONES ENTRE LA SIMULACIN 20C3M EN EL PERIODO 1981-2000 CON EL
ESCENARIO SRES B1 EN EL PERIODO 2046 -2065 Y EN LA COLUMNA 4 LA CO MPARACIN DEL ESC ENARIOS SRES B1 EN LOS
PERIODOS FUTUROS 2046-2065 Y 2081-2100
Pgina 4-13
En la Figura 4-2 las dos primeras columnas representan las comparaciones con el escenario
SRES A2. Para los primeros Tr de 2 y 5 aos, en dicha figura el color azul es ms oscuro, lo que
indica diferencias positivas y aumento de la precipitacin para periodos para Tr pequeos bajo
el escenario de cambio climtico SRES A2. A medida que el Tr aumenta para el escenario SRES
A2 los azules se tornan ms claros y comienzan a aparecer ms verde dentro de los mapas,
esto nos indica que las diferencias comienzan a ser negativas sobre todo en la regin Pacfica
para la comparacin de la simulacin SRES A2 en los periodos 2046-2065 y 2081-2100.
En cuanto a la simulacin SRES B1 para el modelo CCSM3 se observa al comparar este
escenario con la simulacin del Siglo 20 que las diferencias porcentuales permanecen negativas
(<-70%) en la regin Orinoquia sin importar el Tr. En la regin Pacfica al contrario a medida
que aumenta el periodo de retorno las diferencias se hacen cada vez ms negativas y
finalmente para las dems regiones las diferencias porcentuales pasan de positiva (azules
oscuras) a negativas (azules ms claros y verdes claros) a medida que aumenta el periodo de
retorno. Al comparar el escenario SRES B1 en los dos periodos futuros (2046-2065 y 20812100) las diferencias porcentuales se comportan de forma contraria a la de la comparacin
entre esta simulacin y la del siglo 20, as por ejemplo en las regiones Pacfica y Orinoqua las
diferencias porcentuales son positivas y aumentan con Tr y en la dems regiones los errores son
ms negativos a medida que aumenta el Tr.
Para el modelo ECHAM5 (ver Figura 4-3) la comparacin entre la simulacin del 20C3M y el
escenario SRES A2 en el periodo 2046-2065 encuentra que las diferencias porcentuales son
positivas y a medida que aumenta el Tr estas diferencias comienzan a ser menos positivas sobre
todo en la regin Orinoqua donde las diferencias porcentuales son negativas para el Tr de 50
aos. Cuando se compara la simulacin SERS A2 en los periodos futuros se observa que a
medida que aumenta Tr tanto en la regin Pacfica como en la regin Andina las diferencias se
hacen ms negativas de hasta de -100% para Tr de 50 aos en la regin Andina. En la
comparacin entre la simulacin 20C3M y el escenario de cambio climtico SRES B1 en el
periodo 2046-2065 se observa que las diferencias son positivas para todos los Tr, pero para
la comparacin entre los periodos futuros del escenario SRES B1 a medida que aumenta Tr las
diferencias pasan de positivas dbiles a cada vez ms negativas.
Pgina 4-14
las respectivas escalas de las diferentes variables, y tiene en cuenta la correlacin entre las
variables.
Formalmente, la distancia de Mahalanobis entre dos variables aleatorias con la misma
distribucin de probabilidad y con matriz de covarianza se define como:
(4-17)
La distancia de Mahalanobis cumple las siguientes propiedades, necesarias para ser una
distancia:
Semipositividad:
y adems
(4-18)
Es decir, la distancia entre dos puntos de las mismas coordenadas es cero, y si tienen
coordenadas distintas la distancia es positiva, pero nunca negativa.
Simetricidad:
(4-19)
Intuitivamente, la distancia ente a y b es la misma que entre b y a.
Desigualdad triangular:
(4-20)
Con el fin de emplear la distancia de Mahalanobis como herramienta para cuantificar el
cambio entre las curvas IDF del siglo 20 y 21 y los diferentes escenarios, se procede de la
siguiente manera. Dado el vector de datos observacin di (promedio por rea de los ndices
de extremos P 20, Pm, y PI, explicados ms adelante) y las diferentes simulaciones 20C3M, SRES
A2, SRES B1 y periodos 2046-65, 2081-00 (i = 1, ..., 5). Se calcula la distancia de
Mahalanobis entre d1 y d2, d2 y d3, d1 y d4, d4 y d5, d2 y d4, d3 y d5 que corresponden a
la comparacin entre la simulacin: 20C3M y SRES A2 46-65; SRES A2 46-65 y SRES A2 8100; 20C3M y SRES B1 46-65; SRES B1 46-65 y SRES B1 81-00; SRES A2 46 y 65-SRES B1 4665; SRES A2 81-00 y SRES B1 81-00
Se asume que la precipitacin diaria mxima se ajusta a la distribucin generalizada de valor
extremo, que tiene incorporada las distribuciones Gumbel, Frrechet y Weibull. La distribucin
acumulada de la funcin GEV est dada por:
Pgina 4-15
Se asume que los parmetros de la distribucin GEV tienen una dependencia temporal
denotada por t, dado que los cuantiles de la distribucin GEV varan con el tiempo.
Empleando la distribucin GEV, se seleccionan dos ndices para los anlisis. Uno es la media (P m)
localizado en el centro de la distribucin y el otro es el de periodo de retorno de 20 aos (P 20).
Pm es el cuantil correspondiente a y una p=0.5 mientras que P 20 es el cuantil para p=0.95.
Para la ecuacin Pm y P20 se definen as:
Zhang, Zwiers y Li (2004) y Kharin y Zwiers (2005) examinaron las tendencias de los
parmetros de localizacin y la magnitud de los cambios en estos parmetros a largo plazo. En
este estudio, se examinaron 140 aos (1861-2000) por decenios, lo que permiten fluctuaciones
en los tres parmetros en lugar de las tendencias lineales. Para reducir la dimensionalidad de
las series temporales que se van a analizar, los parmetros de la distribucin se calculan slo
para perodos de 20 aos simulados por separado, en el supuesto de que la distribucin es fija
dentro de cada perodo de 20 aos. Ello es conveniente porque el componente no estacionario
debe ser lo suficientemente pequeo en comparacin con la variabilidad del clima interno
dentro de un plazo tan breve de periodos de tiempo, (Kharin y Zwiers, 2005b y Kharin, y otros
2007).
La variacin regional del promedio precipitacin extrema tiende a estar dominada por las
subzonas de mayores valores extremos, debido a la naturaleza de cola pesada de las
precipitaciones extremas (Min, y otros 2009; Poveda y otros 2002). Una forma de mejorar la
representatividad de las reas con menores valores extremos sera introducir una normalizacin
de los valores extremos antes de calcular los promedios regionales. Se utiliza la ecuacin 4-25
para la normalizacin de las precipitaciones extremas, que oscila entre 0 y 1. El ndice
normalizado PI para cada perodo de 20 aos se define como:
Pgina 4-16
TABLA 4-3
AMAZONAS
ANDINA
CARIBE
ORINOQUA
PACFICA
20C3M-SRES A2 46-65
0,6251
0,085
0,2201
0,0046
0,0289
0,2684
0,1812
0,0275
0,01
0,1509
20C3M-SRES B1 46-65
0,7817
0,0643
0,256
2,2762
1,0597
15,1261
6,0572
22,3511
0,2958
0,2563
0,0098
0,0358
0,2335
2,2861
1,1375
16,0451
6,0867
21,6377
0,9476
1,0335
TABLA 4-4
AMAZONAS
ANDINA
CARIBE
ORINOQUA
PACFICA
20C3M-SRES A2 46-65
0,2152
0,2759
0,2785
3,3253
0,9039
0,621
1,0223
0,2391
0,9743
0,1346
20C3M-SRES B1 46-65
0,249
0,0414
0,0988
0,1779
0,2973
0,2108
0,1626
0,0986
1,224
0,6292
0,341
0,2653
0,0539
1,8356
0,1363
0,3422
0,2936
0,1715
0,1403
0,1313
En la Tabla 4-3 se muestra que las distancian encontradas con el modelo CCSM3 son menores
cuando se realiza la comparacin entre los escenario SRES A2 y SRES B1 para el periodo
2046-2065, sobre todo para la Regin Amazonas donde la distancia es de 0.0098. En cambio
las mayores distancias de Mahalanobis se encuentran para el escenario de cambio climtico
SRES B1 entre los periodos 2046-2065 y 2081-2100 para la regin Caribe.
Comparando los resultados arrojados mediante la distancia de Mahalanobis por ambos
modelos se puede resaltar que para el modelo CCSM3 las diferencias entre un escenario y otro
son marcadas, especialmente para el periodo 2081-2100, para el modelo ECHAM5 las
distancias son menores pero diferencia del modelo CCSM3 se presentan al comparar las
Pgina 4-17
simulacin del siglo 20 con el escenario SRES A2 en el periodo 2046-2065, estos resultados son
coherentes con la comparacin visual que se puede realizar al observar las curvas IDF
presentadas en el Anexo 2.
Pgina 4-18
En las Figura 4-4 a Figura 4-8 se muestran los histogramas diarios de frecuencia de
precipitacin (fila 1) y de precipitacin acumulada (fila 3) derivados de los promedios por
regin y por modelo (derecha: modelo CCSM3 e izquierda: modelo ECHAM5), tanto para las
simulaciones en el siglo 20 (20C3M) como para las del siglo 21 (SRES A2 y B1). El porcentaje
de cambio en los escenarios futuros tanto de frecuencia (fila 2) como de precipitacin
acumulada (fila 4) se presenta tambin en las Figura 4-4 a Figura 4-8, el porcentaje de cambio
se calcula con respecto al periodo anterior, as por ejemplo en la Figura 4-4 fila 2 y para el
modelo ECHAM 5, la curva azul punteada denominada SRES A2 2081-00 representa el cambio
para en el escenario SRES A2 entre los periodos 2081-2100 y 2046-2065 y la curva roja
continua denominada SRES B1 2046-65, representa el cambio entre el periodo 1981-2000 de
la simulacin 20C3M y el periodo 2046-2065 del escenario SRES B1. El histograma promedio
por regin se calcula mediante un promedio por regin de un histograma hallado para cada
pixel. Las figuras son consistentes con lo mencionado anteriormente, para todas las regiones y
para ambos modelos ya que coincide con la ocurrencia de las precipitaciones en mayor
frecuencia cuando se reduce la intensidad en los modelos climticos (por ejemplo Chen y otros,
1996; Dai, Giorgi y Trenberth, 1999 y Dai, 2006).
Las Figura 4-4 (a) y Figura 4-4 (b) muestran los histogramas de frecuencia de la regin
Amazonas, all se encuentra que para ambos modelos, en las intensidades pequeas (entre 0 y
13 mm/da) las frecuencias son muy parecidas tanto para los escenarios del siglo 21 como
para la simulacin del siglo 20, lo cual es afn con las Figura 4-4 (c) y Figura 4-4 (d) donde se
muestra que los cambios relativos en la frecuencia para intensidades entre 0 y 13mm/da se
encuentran alrededor de de 0 y -7%. Para intensidades mayores 13mm/da tanto la
frecuencia como la precipitacin acumulada para ambos modelos comienzan a ser mayores en
los escenarios SRES que en la simulacin 20C3M y mas grandes aun en los periodos ms
alejados (2081-00) sobre todo para el escenarios SRES A2 (curva azul punteada).
En la regin Andina (Figura 4-5) las reflexiones son similares a las encontradas para la regin
Amazonas, para intensidades pequeas las frecuencias y las precipitaciones acumuladas son
ms grandes en el siglo 20 que en el siglo 21 y para intensidades mayores de 10 mm/da
para el modelo ECHAM5 y 5mm/da para el modelo CCSM3, la frecuencia y la precipitacin
acumulada aumenta en los escenarios del siglo 21. Los cambios relativos de la precipitacin
acumulada son hasta del 180% para el modelo ECHAM5 en el escenario SRES A2 periodo
2081-00 y para el modelo CCSM3 son apenas del 50% para este mismo escenario y en el
mismo periodo.
En la regin Caribe para el modelo ECHAM5 (Figura 4-6) la frecuencia y la precipitacin
acumulada son mayores en la simulacin 20C3M para intensidades menores a 22 mm/da. Los
cambios relativos alcanzan hasta el -40% entre los periodos 2046-65 y 2081-00 para el
escenario SRES A2 (curva azul punteada Figura 4-4 (c)). Para el Modelo CCSM3 la frecuencia
y la precipitacin son mayores para los escenarios futuros a partir de intensidades mayores a
15 mm/da.
El comportamiento de la frecuencia y la precipitacin acumulada en la regin Orinoqua (Figura
4-7) es muy parecido al que se presenta en la regin Andina, los porcentajes relativos de
cambio en el escenario SRES A2 en el periodo de comparacin 2081-00 y 2046-65 tanto para
Pgina 4-19
el modelo ECHAM5 como para el CCSM3 son muy similares a los encontrados para la regin
Andina, de aproximadamente 180% para el modelo ECHAM5 y 50% para el modelo CCSM3,
comparados con los de la Orinoquia que son de 180% para el modelo ECHAM5 y 40% para
el modelo CCSM3.
En la regin Pacfica el comportamiento entre los modelos no es tan similar como el que se
presenta en las dems regiones. Para el modelo ECHAM5 al igual que en las otras regiones
tanto la frecuencia como la precipitacin acumulada son mayores en la simulacin del siglo 20
que en los escenarios SRES para intensidades menores a 18mm/da y luego para intensidades
mayores a 18mm/da sucede lo contrario, es decir los escenarios SRES son mayores en
frecuencia y precipitacin acumulada que en la simulacin del siglo 20. Para el modelo CCSM3
las condiciones son diferentes a las presentadas en las otras regiones, en la mayora de
intensidades la frecuencia y la precipitacin acumulada de la simulacin 20C3M se encuentra
por encima de los escenarios de cambio climtico SRES.
En general de la Figura 4-4 a la Figura 4-8 muestran un cambio hacia una mayor frecuencia de
fuertes precipitaciones y una mayor acumulacin de las precipitaciones para los escenarios de
calentamiento comparado con las simulaciones del clima actual (20C3M). El escenario de
emisiones ms elevado SRES A2 para el periodo 2081-2100 muestra el mayor cambio en las
precipitaciones para ambos modelos, esto siguiere un mayor riesgo de inundaciones repentinas
por el aumento de precipitaciones intensas bajo la hiptesis de emisiones del SRES A2.
En todas las regiones el modelo ECHAM5 muestra que para intensidades pequeas (< 20
mm/da aproximadamente) que el porcentaje relativo de cambio en la frecuencia es negativo
entre 0 y -40%. Los cambios relativos tanto en la frecuencia como en la precipitacin
acumulada de los dos modelos (excepto para el modelo CCSM3 en la regin Pacfica)
disminuyen para intensidad de pequeas y aumenta para intensidades altas con respecto a la
simulacin del siglo 20, lo que nos indica aumentos de frecuencia de lluvias intensas, pero una
disminucin de la frecuencia de lloviznas (precipitaciones ligeras), sin embargo los porcentajes
de cambio en magnitud en las intensidades pequeas son menores que en las intensidades altas.
Pgina 4-20
FIGURA 4-4
HISTOGRAMAS DIARIOS DE FRECUENCIA DE PR ECIPITACIN (PRIMERA FILA), DE PRECIPITACIN
ACUMULADA (SEGUNDA FILA), PORCENTAJE DE CAMBIO EN LOS ESCEANARIOS FUTUROS TANTO DE FRECUENCIA (TERCERA
FILA) Y DE PRECIPITACIN ACUMULADA (CUARTA FILA) PARA LA REGIN AMAZONAS MEDIANTE LOS MODELOS ECHAM5
(IZQUIERDA) Y CCSM3 (DERECHA).
Pgina 4-21
FIGURA 4-5
HISTOGRAMAS DIARIOS DE FRECUENCIA DE PR ECIPITACIN (PRIMERA FILA), DE PRECIPITACIN
ACUMULADA (SEGUNDA FILA), PORCENTAJE DE CAMBIO EN LOS ESCEANARIOS FUTUROS TANTO DE FRECUENCIA (TERCERA
FILA) Y DE PRECIPITACIN ACUMULADA (CUARTA FILA) PARA LA REGIN ANDINA MEDIANTE LOS MODELOS ECHAM5
(IZQUIERDA) Y CCSM3 (DERECHA).
Pgina 4-22
FIGURA 4-6
HISTOGRAMAS DIARIOS DE FRECUENCIA DE PR ECIPITACIN (PRIMERA FILA), DE PRECIPITACIN
ACUMULADA (SEGUNDA FILA), PORCENTAJE DE CAMBIO EN LOS ESCEANARIOS FUTUROS TANTO DE FRECUENCIA (TERCERA
FILA) Y DE PRECIPITACIN ACUMULADA (CUARTA FILA) PARA LA REGIN CARIBE MEDIANTE LOS MODELOS ECHAM5
(IZQUIERDA) Y CCSM3 (DERECHA)
Pgina 4-23
FIGURA 4-7
HISTOGRAMAS DIARIOS DE FRECUENCIA DE PR ECIPITACIN (PRIMERA FILA), DE PRECIPITACIN
ACUMULADA (SEGUNDA FILA), PORCENTAJE DE CAMBIO EN LOS ESCEANARIOS FUTUROS TANTO DE FRECUENCIA (TERCERA
FILA) Y DE PRECIPITACIN ACUMULADA (CUARTA FILA) PARA LA REGIN ORINOQUA MEDIANTE LOS MO DELOS ECHAM5
(IZQUIERDA) Y CCSM3 (DERECHA).
Pgina 4-24
FIGURA 4-8
HISTOGRAMAS DIARIOS DE FRECUENCIA DE PR ECIPITACIN, DE PRECIPITACIN ACUMULADA (ARRIBA) Y
PORCENTAJE DE CAMBIO EN LOS ESCEANARIOS FUTUROS TANTO DE FR ECUENCIA CO MO DE PR ECIPITACIN ACUMULADA
(ABAJO) PARA LA REGIN PACFICA (A LA DEREC HA: MO DELO ECHAM5 E IZQUIERDA: MO DELO CCSM3).
Pgina 4-25
Pgina 5-1
Para formular el balance hdrico se considera la ecuacin de masa dentro de una columna de
suelo-atmsfera, que bien podra ser una cuenca hidrogrfica, una regin o un continente. Se
define W como el almacenamiento de agua en una atmosfera, en unidades de longitud
(volumen por unidad de rea), P es la precipitacin, E es la evaporacin (incluyendo la
transpiracin), H es el flujo neto de humedad en la atmosfera, S es el almacenamiento de agua
en el suelo, tambin en unidades de longitud, R es el flujo de agua hacia fuera de la columna
de suelo; constituido por escorrenta superficial y/o subterrnea. P, E, H y R estn expresados
en unidades de lmina de agua por unidad de tiempo [LT-1], equivalente, flujo o caudal por
unidad de rea. El balance de agua para la atmsfera est dado por la ecuacin,
(5-1)
y el balance para la columna de suelo es,
(5-2)
As, combinando las ecuaciones (5-1) y (5-2) obtenemos la ecuacin de balance de agua para
el volumen de control.
(5-3)
Se considera la integracin sobre un intervalo de tiempo largo (varias dcadas), de manera
que los cambios en las cantidades almacenadas W y S sean despreciables. Se tiene entonces
que el promedio a largo plazo del influjo atmosfrico neto H debe ser igual al promedio de
largo plazo de la escorrenta neta, R y que ambos son iguales a la diferencia entre los
respectivos promedios de precipitacin, P, y evaporacin, E (Poveda y otros 2007b). La
ecuacin de balance de agua para la columna queda,
(5-4)
Ntese que las ecuaciones (5-1) a (5-3) son exactas, no hay en ellas ninguna aproximacin. La
ecuacin (5-4) es una aproximacin que supone que el cambio en la cantidad almacenada en el
suelo (o en la atmsfera), en el largo plazo, es despreciable respecto a los dems trminos.
Esta aproximacin es muy buena para el clculo de los promedios de largo plazo. Para ilustrar
cmo esta aproximacin es excelente se puede estimar la magnitud del error mximo como
(5-5)
En donde las barras representan el promedio multianual de largo plazo, es el nmero de
aos empleados para el clculo del promedio (20 aos),
es la capacidad mxima de
almacenamiento en el suelo, que es del orden de 300 mm. El valor tpico corresponde entonces
a menos de 8% de la escorrenta en zonas ridas (200 mm de escorrenta) que es el caso ms
desfavorable y a menos de 2% en zonas hmedas. Se concluye que esta aproximacin es muy
buena, conduce a errores que son de menor orden que en la medicin de cada una de las
componentes
.
Pgina 5-2
Pgina 5-3
Para este estudio los datos de temperatura ( ) se obtienen de las simulaciones 20C3M entre
1980-2000, SRESA1 y SRESB1 para los periodos 2046-2065 y 2081-2100 para los dos MCG
seleccionados en el captulo 3 (CCSM3 y ECHAM5) tal como se hizo con la precipitacin ( ).
5.1.2 Modelos de elevacin digital
En la Figura 5-1 se ilustra el Modelo Digital del Terreno (MDT) con resolucin de 30 segundos
de arco descargado de la pgina oficial de HydroSHED (http://hydrosheds.cr.usgs.gov/)
empleado para obtener el rea de la cuenca del Ro Magdalena.
FIGURA 5-1
Pgina 5-4
TABLA 5-2
RESULTADOS DEL BALANCE HIDROLGICO DE LARGO PLAZO PARA EL MO DELO CCSM3 PARA LA C UENCA
DEL RO MAGDALENA.
3
ESCENARIO
P(mm/ao)
E (mm/ao)
L (mm)
Q medio(m /s)
20C3M 1981-2000
1554
950
604
4882
SRES A2 2046-2065
1746
1080
666
5388
SRES A2 2081-2100
1948
1211
737
5962
SRES B1 2046-2065
1705
1040
665
5379
SRES B1 2081-2100
1705
1054
651
5264
RESULTADOS DEL BALANCE HIDROLGICO DE LARGO PLAZO PARA EL MO DELO ECHAM5 PARA LA
CUENCA DEL RO MAGDALENA.
3
ESCENARIO
P(mm/ao)
E (mm/ao)
L (mm)
Q medio(m /s)
20C3M 1981-2000
1966
1086
880
7116
SRES A2 2046-2065
2036
1391
644
5212
SRES A2 2081-2100
2206
1486
720
5826
SRES B1 2046-2065
1963
1171
792
6406
SRES B1 2081-2100
2023
1236
787
6365
Pgina 5-5
diferencias no son muy significativas para el periodo 2046-2065, en cambio para el periodo
2081-2100 la diferencia entre ambas simulaciones aumenta de manera importante siendo el
caudal medio de largo plazo para el escenario SRES A2 de 5.962 m3/s y para el SRES B1 de
5.264 m3/s. Al contrario del resultado de la simulacin SRES A2, en el escenario SRES B1 el
caudal medio disminuye en el periodo 2081-2100, esto puede ser debido a que la
precipitacin promedia de largo plazo en ambos periodos permanece casi constante excepto
por decimas de mm/ao.
A diferencia del modelo CCSM3 para el modelo ECHAM5 los caudales medios de largo plazo
disminuyen en el siglo 2I con respecto al caudal medio de la simulacin 20C3M y aunque las
precipitaciones (P) y las evaporaciones (E) medias de largo plazo aumentan con respecto a los
valores promedios de P y E del siglo 20, excepto para la P del modelo SRES B1 en el periodo
2046-2065, la diferencia entre la P y la E es mayor para las simulacin 20C3M que para las
dems simulaciones.
Al igual que para el modelo CCSM3 el modelo ECHAM5 en el periodo 2081-2100 del
escenario SRES B1 el caudal disminuye con respecto al periodo 2046-2065, producto
posiblemente de un incremento ms acelerado en la E, 5.5%, comparado con la tasa de
aumento de P que es del 3%, es decir, el aumento de la E, contrarresta en parte el aumento de
la lluvia.
Pgina 5-6
PREFACTORES Y EXPONENTES
MEDIA
DESVIACIN TPICA
Qmax
Qmin
A continuacin se presentan en las Tabla 5-4 a Tabla 5-7 los caudales extremos obtenidos
mediante el balance hdrico de largo plazo y el escalamiento propuestos por Poveda y otros
(2007) para los modelos CCSM3 y ECHAM5 en la cuenca del ro Magdalena y para diferentes
escenarios de cambio climtico
Pgina 5-7
TABLA 5-4
Qmax
(m3/s)
Qmax
(m3/s)
20C3M 1980-2000
7101,87
SRES A2 2046-2065
7700,04
SRES A2 2081-2100
Escenario
10
25
50
807,99
6969
7683
8156
8753
9196
861,31
7559
8320
8824
9460
9933
8366,50
919,71
8215
9028
9566
10246
10751
SRES B1 2046-2065
7689,49
860,38
7548
8309
8812
9448
9920
SRES B1 2081-2100
7554,43
848,42
7415
8165
8661
9288
9754
TABLA 5-5
Escenario
Qmin
10
25
50
1247,74
3125
2306
1957
1631
1442
3696,39
1374,35
3471
2568
2184
1825
1616
4114,27
1517,69
3865
2868
2444
2048
1817
3689,86
1372,10
3465
2563
2180
1822
1613
3606,45
1343,35
3386
2503
2128
1777
1573
20C3M 1980-2000
3330,15
SRES A2 2046-2065
SRES A2 2081-2100
SRES B1 2046-2065
SRES B1 2081-2100
TABLA 5-6
Qmin
Escenario
Qmax
10
25
50
1031,44
9503
10415
11018
11781
12347
7493,18
842,98
7355
8100
8593
9216
9678
8209,68
906,06
8061
8862
9392
10062
10558
8874,09
963,53
8716
9567
10131
10843
11372
8827,49
959,53
8670
9518
10079
10789
11315
20C3M 1980-2000
9672,88
SRES A2 2046-2065
SRES A2 2081-2100
SRES B1 2046-2065
SRES B1 2081-2100
TABLA 5-7
Qmax
Escenario
Qmin
Qmin
10
25
50
20C3M 1980-2000
4961,28
1805,06
4665
3479
2975
2504
2229
SRES A2 2046-2065
3568,77
1330,34
3350
2476
2105
1758
1555
SRES A2 2081-2100
4015,04
1483,76
3771
2797
2382
1995
1769
SRES B1 2046-2065
4439,12
1628,38
4172
3102
2647
2222
1974
Pgina 5-8
SRES B1 2081-2100
4409,06
1618,16
4143
3080
2629
13000
12000
12000
Qmax (m^3/s)
13000
11000
10000
9000
8000
11000
10000
9000
8000
7000
7000
6000
6000
2
10
25
50
20C3M 1980-00
SRES A2 2046-65
SRES B1 2046-65
SRES B1 2081-00
10
25
50
Periodo de Retorno
Periodo de Retorno
SRES A2 2081-00
20C3M 1980-00
SRES A2 2046-65
SRES B1 2046-65
SRES B1 2081-00
CCSM3
SRES A2 2081-00
ECHAM5
5000
5000
4000
4000
Qmin (m^3/s)
Qmin (m^3/s)
1960
ECHAM5
CCSM3
Qmax (m^3/s)
2206
3000
2000
1000
3000
2000
1000
0
2
10
25
50
Periodo de Retorno
20C3M 1980-00
SRES A2 2046-65
SRES B1 2046-65
SRES B1 2081-00
10
25
50
Periodo de Retorno
SRES A2 2081-00
20C3M 1980-00
SRES A2 2046-65
SRES B1 2046-65
SRES B1 2081-00
SRES A2 2081-00
FIGURA 5-2
EN LA PARTE SUPERIOR SE ENC UENTRAN LOS CAUDALES MXIMOS Y ABAJO SE ENCUENTRAN LOS
CAUDALES MNIMOS PARA DIFER ENTES PERIODOS DE RETORNO. A LA IZQUIERDA LOS RESULTADOS DEL MO DELO CCSM3 Y A
LA DEREC HA LOS DEL ECHAM5. LOS COLORES INDICAN LOS DIFERENTES ESCENARIOS DE CAMBIO CLIMTICO Y PERIODOS DE
EVALUACIN PARA LOS C UALES SE HALLARON LOS CAUDALES EXTREMOS.
En la Figura 5-2 se muestran los caudales mximos (Qmax) y mnimos (Qmin) de la cuenca del
ro Magdalena hallados para diferentes periodos de retorno y para cada uno de los modelos
seleccionados (CCSM3 y ECHAM5); los colores en la figura indican el escenario de cambio
climtico. En dicha figura los dos modelos concuerdan con una tendencia de crecimiento lineal
con el periodo de retorno.
Al comparar los caudales Qmax y Qmin de la cuenca del ro Magdalena se encuentra que
para el modelo CCSM3 las variaciones entre diferentes simulaciones son menores que las
mostradas por el modelo ECHAM5, es decir las lneas que representan cada simulacin se
encuentran ms cerca en el modelo CCSM3 que en el modelo ECHAM5. Las variaciones de
Qmax para ambos modelos se encuentran entre 7,000 y 12,500 m3/s y para Qmin se
encuentran entre 1.500 y 12.500 m3/s.
Pgina 5-9
Para el modelo CCSM3 la Figura 5-2 muestra que tanto para Qmax como para Qmin las
curvas de los escenarios de cambio climtico SRES A2 y B1 en el periodo 2046-2065 y SRES B1
en el periodo 2081-2100 muestran un comportamiento muy similar. En cuanto al modelo
ECHAM5 la variacin de los caudales para el escenario SRES B1 en los diferentes periodos es
casi nula tanto para los Qmax como para los Qmin, adems de mostrar que los caudales
(Qmax y Qmin) son menores en los escenarios futuros que en la simulacin del siglo 20.
La poca diferencia entre las curvas de ambos periodos del escenario SRES B1 puede sugerir
una estabilizacin de los parmetros estadsticos en el futuro, si bien la simulacin del siglo 20
es la base el escenario SRES B1 y muestra diferencias al compararse con el escenario, la
coincidencia de las dos curvas (en ambos modelos) hace pensar en una estacionalidad de los
parmetros estadsticos en el futuro de este escenario, es decir al principio del siglo 20 lo cual
es coherente con la suposicin del escenario de introducir ms rpidamente tecnologa, hace
hincapi en encontrar soluciones globales a las cuestiones de sostenibilidad econmica, social y
ambiental, incluido un mejoramiento en trminos de equidad, pero sin contar con iniciativas
climticas adicionales.
Pgina 5-10
Pgina 6-1
A pesar de las incertidumbres existentes tanto en los modelos de circulacin general (MCG)
usados, as como en los escenarios analizados, este trabajo ha hecho un esfuerzo a profundidad
por evaluar los posibles impactos del cambio climtico en Colombia. Para evaluar la capacidad
de pronstico de los distintos modelos se emplearon los resultados de las simulaciones de cuatro
MCG: CCSM3 (Estados Unidos), ECHAM5 (Alemania), MIROC 3.2 HIRES (Japn) y HADGEM1
(Reino Unido) para el periodo 1981 al 2000 del siglo 20, y se cuantific su desempeo
comparando las series de precipitacin mensual observadas y simuladas. Se usaron dos
medidas para cuantificar la bondad de los pronsticos retrospectivos: el coeficiente de
correlacin (asociacin lineal) y la informacin mutua (asociacin no lineal). Los resultados
indican que los modelos de circulacin general que mejor validaron o inicializaron la
climatologa de Colombia fueron los denominados CCSM3 y ECHAM5. A escala regional es
importante mencionar que todos los modelos mostraron un mejor comportamiento en la regin
Caribe y en el Norte de la regin Andina tanto para la informacin mutua como para el
coeficiente de correlacin. En el sur de la regin Andina por el contrario las correlaciones
encontradas por los cuatro modelos fueron en su mayora negativas y la informacin mutua muy
dbil.
Con tales resultados en mente, se cuantificaron los cambios hidrolgicos estimados para el siglo
21 por los modelos CCSM3 y ECHAM5, bajo los escenarios SRES A2 y SRES B1 en relacin con
las dos dcadas del Siglo 20. Para ello se emplearon tres ndices de precipitacin extrema
definidos sobre la distribucin GEV: los valores de intensidad de precipitacin extrema de 20
aos de periodo de retorno (P20), la precipitacin media (P m), y la probabilidad acumulada (PI).
Los eventos P 20 son mucho ms raros y extremos que los eventos Pm y PI, y proporcionan valores
relativos basados en la probabilidad de cada pixel. Los promedios regionales de P 20 y Pm dan
mayor peso a las zonas de mayores valores extremos, mientras que la de PI da el mismo peso
en todas partes (Min y otros 2009). El error medio cuadrtico, la distancia de Mahalanobis
junto con los tres ndices mencionados fueron utilizados para cuantificar las diferencias entre los
escenarios de cambio climtico y diferentes periodos. En general, se encontr que las mayores
diferencias se dan al comparar las simulaciones del siglo 20 con el escenario de cambio
climtico SRES B1 de ambos modelos. El modelo que presenta las mayores diferencias entre las
simulaciones de siglo 20 y los escenarios de cambio climtico es el CCSM3
Los porcentajes de cambio hallados entre las simulaciones del siglo 20 y los escenarios de siglo
21 para cada periodo de retorno y para el modelo CCSM3 indican que: a medida que el
periodo de retorno aumenta en el escenario SRES A2, para la comparacin entre los periodos
2046-2065 y 2081-2100, las diferencias porcentuales comienzan a ser cada vez ms
negativas sobre todo en la regin Pacfica. Para el escenario SRES B1en las regiones Pacfica y
Orinoqua las diferencias porcentuales son positivas y aumentan con el periodo de retorno y con
el periodo de comparacin, en la dems regiones los errores son ms negativos a medida que
aumenta el periodo de retorno y el periodo de comparacin
Los resultados encontrados para el modelo ECHAM5, cuando se compara la simulacin SRES A2
en los periodos futuros, muestran que a medida que aumenta el periodo de retorno tanto en la
regin Pacfica como en la regin Andina las diferencias se hacen ms negativas. En la
comparacin entre la simulacin 20C3M y el escenario de cambio climtico SRES B1, en el
Pgina 6-2
periodo 2046-2065, se observa que las diferencias son positivas para todos los periodos de
retorno, pero para la comparacin entre los periodos futuros del escenario SRES B1 a medida
que aumenta periodo de retorno los diferencias pasan de positivas dbiles a cada vez ms
negativas.
Bajo los escenarios de emisiones SRES A2 y B1 examinados aqu, los histogramas de
precipitacin de los modelos CCSM3 y ECHAM5 muestran un cambio hacia una mayor
frecuencia de fuertes precipitaciones (mayor de 20mm/da) y una mayor acumulacin de las
precipitaciones para los escenarios de calentamiento comparada con las simulaciones del clima
actual (20C3M). El escenario de emisiones ms elevado SRES A2 para el periodo 2081-2100
muestra el mayor cambio en las precipitaciones para ambos modelos. Ambos escenarios
arrojan resultados muy similares para el periodo 2046-2065. Los resultados de los modelos
son cualitativamente consistentes con la hiptesis terica de que la intensidad de las
precipitaciones aumentarn a un ritmo superior al de las precipitaciones acumuladas a costa del
cambio en la frecuencia de las precipitaciones en un clima ms clido (Trenberth et al. 2003).
En todas las regiones el modelo ECHAM5 muestran que para intensidades pequeas (< 20
mm/da aproximadamente) el porcentaje relativo de cambio en la frecuencia es negativo entre
0 y -40%. Los cambios relativos tanto en la frecuencia como en la precipitacin acumulada de
los dos modelos (excepto para el modelo CCSM3 en la regin Pacfica) disminuye para
intensidades pequeas y aumenta para intensidades altas con respecto a la simulacin del siglo
20, lo que nos indica aumentos de frecuencia de lluvias intensas, pero una disminucin de la
frecuencia de lloviznas (precipitaciones ligeras), sin embargo los porcentajes de cambio en
magnitud en las intensidades pequeas son menores que en las intensidades altas.
Los resultados del balance hdrico para la cuenca del ro Magdalena muestran que la lluvia
tiende a aumentar en el futuro, y que la alta temperatura del aire estara asociada con un
aumento de la evapotranspiracin. Tambin los caudales medios tienden a aumentar como
consecuencia del aumento de las precipitaciones. En la cuenca del ro Magdalena ambos
modelos presentan tendencias de aumento en cuanto a los caudales medios de la cuenca. Con
respecto a los caudales extremos, los modelos comienzan a diferenciarse: en el caso del modelo
CCSM3 el escenario SRES A2 seala los mayores caudales mximos anuales de diferentes
periodos de retorno (Qmax), y tambin los menores caudales mnimos anuales de diferentes
periodos de retorno (Qmin), pero en el caso del modelo ECHAM5 los mayores Qmax se
presentan para la simulacin 20C3M al igual que los menores Qmin, es decir el modelo CCSM3,
bajo los escenarios de cambio climtico en la cuenca de ro Magdalena , seala una
intensificacin de los caudales extremos y el modelo ECHAM5 una disminucin de los mismos. Es
necesario tener en cuenta que, aunque con el modelo ECHAM5 se espera una disminucin de los
caudales extremos en el clima futuro, tanto los caudales extremos como el caudal promedio en
este modelo son de alrededor de 30% ms grandes que los mismos caudales calculados para
el modelo CCSM3.
Las caractersticas de las precipitaciones son un tema clave en la investigacin sobre el clima. La
misma cantidad de precipitacin con diferentes frecuencias e intensidad podra dar lugar a
diferencias importantes en la escorrenta superficial, la evaporacin, y la condicin del suelo con
lo cual se afecta el balance hdrico de largo plazo, adems es importante tener en cuenta las
Pgina 6-3
Pgina 6-4
7 BIBLIOGRAFA
Adler R.F. [y otros] The version-2 Global Precipitation Climatology Project (GPCP) monthly
precipitation analysis (1979present). [Publicacin peridica] // Journal of Hydrometeorology,
4. - 2003. - pgs. 11471167.
Alexander L. V. y Arblaster J. M. Assessing trends in observed and modelled climate extremes
over Australia in relation to future projections. [Publicacin peridica] // International Journal of
Climatology, 29. - 2009. - pgs. 417-435.
Ang A. H. S y Tang W.H. Probability Concepts in Engineering and Planning Design, Vol. 2 :
Decision, Risk, and Reliability [Libro]. - New York : Wiley, 1984.
Ang A. y Tang W. Probability concepts in engineering, planning and design. Volume II: Decision,
Risk and reliability. [Libro]. - [s.l.] : John Wiley and Sons, 1984.
Area Metropolitana del Valle de Aburr Diseo y puesta en marcha de la red de monitoreo
ambiental en la cuenca hidrogrfica de ro Aburr en jurisdiccin del rea Metropolitana del
Valle de Aburr [Libro]. - Medelln : UPB, UDEA, UNAL, UDEM, 2008.
Beirlant J., Teugels J. y Vynckier P. Practical analysis of extreme values. [Libro]. - [s.l.] : Leuven
University Press, 1996.
Benestad R. E. y Melsom A. Is there a link between the unusually wet autumns in southeastern
Norway and seasurface temperature anomalies? [Publicacin peridica] // Climate Research.,
23. - 2002. - pgs. 67-79.
Berry E. X. Cloud droplet growth by collec [Publicacin peridica] // Journal of the Atmospheric
Sciences, 24. - 1967. - pgs. 688701.
Bonacci O. Rainfall as the basis urban-runoff- Experience and practice in Yugoslavia
[Publicacin peridica] // Water Science and Technology, 16. - 1984. - pgs. 102-108.
Boo K.O., Kwon W. T. y Baek H.J. Change of extreme events of temperature and precipitation
over Korea using regional projection of future clim ate change. [Publicacin peridica] // Journal
of Geophysical Research, 33. - 2006.
Boville B. A. [y otros] Representation of clouds and precipitation processes in the Community
Atmosphere Model (CAM3). [Publicacin peridica] // Journal of Climate, 19. - 2005. - pgs.
21842198.
Brunetti M. [y otros] Droughts and extreme events in regional daily Italian precipitation series
[Publicacin peridica] // International Journal of Climatology., 22. - 2002. - pgs. 543-558.
Cao C. A contribution to statistical depth-duration-frequency analysis. [Publicacin peridica] //
Journal of Hydrology, 22. - 1974. - pgs. 109-129.
Pgina 7-1
Pgina 7-2
Pgina 7-3
Hosking J.R.M. L-moments: Analysis and Estimation of Distributions using Linear Combinations of
order Statistics. [Publicacin peridica] // Journal of the Royal Statistical Society, Series B, 52. 1990. - pgs. 105-124.
Hosking J.R.M. y Wallis J.R. Regional frequency analysis: an approach based on l-moments.
[Libro]. - [s.l.] : Cambridge University Press, 1997.
Huffman G. J. [y otros] The Global Precipitation Climatology Project (GPCP) combined
precipitation dataset. [Publicacin peridica] // Bulletin of the American Meteorological
Society, 78. - 1997. - pgs. 520.
Hurtado A. F. y Poveda G. Linear and global space-time dependence and Taylor hypotheses
for rainfall in the tropical Andes [Publicacin peridica] // Journal of Geophysical Research Atmospheres. - 2009. - pgs. doi:10.1029/2008JD011074, in press.
IPCC-SRES Special Reporte on Emissions Scenarios: A Special report of Working Group III of the
Intergovernamental Panel on Climate Change. [Libro]. - Cambridge : Cambridge University
Press, 2000.
IPCC-WGI Global Climate Projections. In: Climate Change 2007: The Physical Science Basis.
Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel
on Climate Change [Libro]. - Cambridge, United Kingdom and New York, NY, USA. : [s.n.],
2007.
Jones P.D. y Reid P.A. Assessing future changes in extreme precipitation over Britain using
regional climate model integrations. [Publicacin peridica] // International Journal of
Climatology, 21. - 2001. - pgs. 1337-1356.
Kabat P. [y otros] Climate changes the water rules: How water managers can cope with today's
climate variability and tomorrow's climate change. Dialogue on Water and Climate [Libro]. The
Netherlands, 2003.
Karl T. R. y Knight R. W. Secular trends of precipitation amount, frequency, and intensity in the
United States [Publicacin peridica] // Bulletin of the American Meteorological Society, 79. 1998. - pgs. 231241.
Kharin V.V. [y otros] Changes in temperature and precipitation extremes in the IPCC ensemble
of global coupled model simulations. [Publicacin peridica] // Journal of Climate, 20. - 2007. pgs. 14191444.
Kharin V.V. y Zwiers F.W. Estimating extremes in transient climate change simulations.
[Publicacin peridica] // Journal of Climate, 18. - 2005. - pgs. 11561173.
Klein Tank A. M. G. K. y Konnen G. P. Trends in indices of daily temperature and precipitation
extremes in Europe, 194699 [Publicacin peridica] // Journal of Climate, 16. - 2003. - pgs.
3665-3680.
Pgina 7-4
Pgina 7-5
Pgina 7-6
Poveda G. Calentamiento climtico global: Causas, efectos y retos para Colombia y el mundo
[Conferencia] // I Encuentro Internacional Cambio Climtico Carbono Neutral. - Bogota :
Universidad del Rosario, 2009.
Poveda G. La Hidroclimatologa de Colombia: Una sntesis desde la escala interdecadal hasta
la escala diurna [Publicacin peridica] // Revista Academia Colombiana de Ciencias. 2004. - pgs. 201-222.
Poveda G. y Pineda K. Reassessment of Colombia's tropical glaciers retreat rates: Are they
bound to disappear during the 2010-2020 decade? [Publicacin peridica] // Advances in
Geophysics. In the press.. - 2009.
Poveda G., Rave C. R. y Mantilla R.I. Tendencias en la distribucin de probabilidades de
lluvias y caudales en Antioquia [Publicacin peridica] // Meteorologa Colombiana (3). 2001. - pgs. 53-60.
Pulgarn E. Curvas I-D-F usando escalamiento estadstico [Libro]. - Medellin : Tesis de Maestra
en Ingeniera. Recursos Hidrulicos. Univesidad Nacional de Colombia. Escuela de Geociencias y
Medio Ambiente, 2009.
Rasch P. J. y Kristjansson J. E. A comparison of the CCM3 model climate using diagnosed and
predicted condensate parameterizations [Publicacin peridica] // Journal of Climate, 11. 1998. - pgs. 1587-1614.
Rusticucci M. [y otros] Comparisons between observed and modelled precipitation and
temperature extremes in South America during the XX century (IPCC 20c3m). [Conferencia] //
8th International Conference on Southern Hemisphere Meteorology and Oceanography
American Meteorological Society. - Foz de Iguazu, Brasil : [s.n.], 2006.
Salathe E. P., Motea P. W. y Wiley M. W. Review of scenario selection and downscaling
methods for the assessment of climate change impacts on hydrology in the United States pacific
northwest [Publicacin peridica] // International Journal of Climatology, 27. - 2007. - pgs.
1611 - 1621.
Semmler T., Jacob, D., H. Schluenzen K. y Podzun R. Influence of sea ice treatment in a
regional climate model on boundary layer values in the Fram Strait region. [Publicacin
peridica] // Monthly Weather Review, 132. - 2004. - pgs. 985-999.
Shannon C. E. A mathematical theory of communication [Publicacin peridica] // Bell System
Technical Journal, 27. - 1948. - pgs. 310-324.
Sun Y. [y otros] How often does it rain? [Publicacin peridica] // Journal of. Climate, 19. 2006. - pgs. 916-934.
Tebaldi C. [y otros] Going to extremes: An intercomparison of model simulated historical and
future changes in extreme events [Publicacin peridica] // Climatic Change, 79. - 2006. pgs. 185-211.
Pgina 7-7
Pgina 7-8