Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autor: SENAMHI-PER
Equipo:
El contenido de este documento puede ser reproducido mencionando la fuente o con autorizacin de los autores
y del SENAMHI.
CONTENIDO
CONTENIDO .............................................................................................................................. 4
PRESENTACIN ......................................................................................................................... 1
INTRODUCCIN ....................................................................................................................... 2
1.1 Objetivos .................................................................................................................... 3
1.2 Marco Terico ........................................................................................................... 3
1.2.1
1.2.2
1.2.3
1.2.4
1.2.5
AMICAF ............................................................................................................... 5
1.2.6
Caracterizacin Climtica............................................................................. 10
2.1.2
2.2.2
2.2.3
Regionalizacin Estadstica............................................................................ 18
2.2.4
3.1.2
3.2.2
3.3.2
3.4.2
3.4.3
3.5.2
Proyecciones de la precipitacin................................................................. 48
4.1.2
4.1.3
4.2.2
4.2.3
CONCLUSIONES ..................................................................................................................... 57
BIBLIOGRAFA ......................................................................................................................... 59
ANEXOS ................................................................................................................................... 62
MAPAS ..................................................................................................................................... 69
PRESENTACIN
Durante las ltimas dcadas el sistema climtico viene sufriendo alteraciones cada vez
ms recurrentes. El Quinto Informe con las Contribuciones del Grupo de Trabajo I sobre
las Bases Fsicas del Cambio Climtico (IPCC, 2013), precisa con certeza que se est
produciendo un calentamiento global del planeta y que, desde 1950, los cambios
observados no tienen precedente; la evidencia de la influencia humana en el
calentamiento global, los cambios en el rgimen de lluvias, el retroceso y/o desaparicin
de los glaciares (grandes reservas de agua dulce), el incremento del nivel del mar, el
incremento de los caudales, los cambios en los patrones de los eventos meteorolgicos y
la concentracin de gases invernadero, han aumentado desde la publicacin del cuarto
Informe, en el 2007, generando un impacto significativo en los
sectores
socioeconmicos, en las actividades y en el bienestar de la poblacin.
Por lo anteriormente descrito se ha incrementado la participacin de los servicios
meteorolgicos en los diferentes sectores socioeconmicos con la mayor prestacin de
servicios climticos y desarrollo de aplicaciones meteorolgicas, tal como se reconoci en
la Tercera Conferencia Mundial del Clima (Ginebra, 2009).
En este contexto y en el marco del Proyecto Hacia un desarrollo bajo en carbono y
resiliente al cambio climtico en las regiones de Piura y Tumbes el Servicio Nacional de
Meteorologa e Hidrologa del Per SENAMHI elabora el estudio sobre Caracterizacin
y Escenarios Climticos para la regin Piura, la cual es un valioso e indispensable aporte
que apoyar el desarrollo de la regin a travs de su enfoque multisectorial y
multidisciplinario que permitir plantear acciones para la identificacin de riesgos y
oportunidades relacionados con el cambio climtico a nivel regional, integrndolos en la
planificacin del desarrollo regional e incrementar la resiliencia a los impactos del cambio
climtico y reducir la huella de carbono en la regin.
CAPTULO I
INTRODUCCIN
Segn el IPCC (2013) la temperatura del aire global de la Tierra est en tendencia creciente desde hace
varias dcadas. Desde comienzos de siglo XX la temperatura media global se ha incrementado en
0,85 C, y la ltima decena de aos es considerada como las ms clidas de los ltimos 132 aos, sin
embargo, estos valores globales difcilmente explican los cambios del clima a una escala regional y
local. Y es que diversas investigaciones hacen referencia de evidencias inequvocas de procesos de
cambios en el clima, unos ms acelerados y evidentes que otros, causando problemas crticos como
escasez de agua, degradacin de los suelos, prdida de biodiversidad, etc. (SENAMHI, 2013).
Para el IPCC (2013), el calentamiento en el sistema climtico es real, debido principalmente a las
emisiones provenientes del uso de combustibles fusiles y del cambio de uso de suelo. Las proyecciones
hacia finales del siglo XXI hablan de incrementos de los niveles de CO2 en la atmosfera superiores a
930 ppm, lo cual podra elevar la temperatura global hasta valores de 4C.
Surge entonces la necesidad de fortalecer la capacidad de respuesta de la poblacin de manera
organizada frente a los impactos del cambio climtico, estableciendo acciones a nivel regional y local,
para lo cual es necesario disear estrategias de adaptacin que se constituyan en instrumentos de
gestin para enfrentar cambios del clima, expresados en una mayor variabilidad y de impactos
diferenciados dada la gran diversidad topoclimtica de nuestro territorio.
El punto de partida en este proceso es la identificacin de la caracterizacin climtica, la cual es una
herramienta informativa de la variabilidad del clima tanto en el tiempo como en el espacio y cumple
un rol fundamental en el desarrollo socio-econmico de las regiones geogrficas a las que se refiere.
La Organizacin Meteorolgica Mundial (OMM) ha establecido normativas para la elaboracin y
publicacin de estudios de la Caracterizacin Climtica y a su vez recomienda la elaboracin de estos
productos a nivel regional, a fin de que puedan responder a necesidades particulares de una regin de
inters y de un gran nmero de usuarios. Las normales climticas empleadas en la elaboracin de los
mapas temticos de la Caracterizacin Climtica corresponden al promedio de 30 aos (segn las
recomendaciones de la OMM). Asimismo, con las series de datos ms extensas se determinaran las
tendencias climticas para la temperatura y precipitacin as como los ndices de eventos extremos.
Posteriormente, sobre la lnea de base climtica se generan los escenarios futuros del clima para la
regin Piura, herramienta estratgica para determinar los potenciales impactos socioeconmicos en
la regin base para la planificacin adecuada por parte de los tomadores de decisin regional.
El SENAMHI es la entidad ejecutora de las actividades relacionadas con el estudio de los escenarios
climticos a nivel regional y en razn de sus funciones inherentes como rgano adscrito del Ministerio
del Ambiente, su experiencia y conocimiento en la generacin y suministro de informacin cientfica
relacionada a la lnea de base climtica, as como las estimaciones cuantitativas de los cambios
esperados en el clima en todo el territorio nacional, las cuales sirven de referencia para elaborar
estudios integrados de impacto y vulnerabilidad, as como para valorar las necesidades de adaptacin
planificada al cambio climtico en diversos sectores y sistemas socioeconmicos. Esta publicacin
brinda informacin relevante sobre el clima actual y futuro de la Regin Piura.
1.1 OBJETIVOS
Caracterizar climticamente la temperatura y precipitacin de la regin Piura.
Evaluar las tendencias actuales de la temperatura, precipitacin y sus extremos
climticos en Piura.
Generar los escenarios climticos regionales de temperatura y precipitacin
centrado al 2030.
Figura N1: Esquema de las metodologas de regionalizacin aplicadas a los escenarios globales
de Cambio Climtico. Fuente: Gaertner et al.2001.
Figura N2: Rutas de Concentracin de CO2 equivalente a nivel global para distintos escenarios
de emisin. Fuente: Fundacin Biodiversidad, Oficina Espaola de Cambio Climtico, Agencia
Estatal de Meteorologa, Centro Nacional de Educacin Ambiental.
Superficie
( Km2)
Poblacin Estimada
1286966.661
6211
5231
4254
3818
1784
5424
2799
6370
31151643
765601
140757
126683
155895
129904
317443
132695
75151
Densidad
Poblacional Hab/
Km2
24.205
24.21
123.27
26.91
29.78
40.83
72.82
58.53
47.41
Fuente: Instituto Nacional de Estadstica e Informtica (INEI). 1/Incluye: 4, 996.28 Km2 que
corresponde al lado peruano del Lago Titicaca.
CAPTULO II
METODOLOGA
Estacin
Sist_Hid
Cuenca
ALAMOR
PACIFICO
CHIRA
AYABACA
PACIFICO
CHIRA
BERNAL
PACIFICO
CHALACO
Dto
Prov.
Distrito
PIURA
SULLANA
PIURA
AYABACA
PIURA
PIURA
PACIFICO
PIURA
CHULUCANAS
PACIFICO
CHUSIS
Alt.
(msnm
)
Lat.
Long.
LANCONES
04 28'48
80 23'56
13 3
AYABACA
04 38'38
79 43'43
2830
SECHURA
BERNAL
05 29'29
80 45'45
PIURA
MORROPON
CHALACO
05 02'2
79 49'48
1791
PIURA
PIURA
MORROPON
CHULUCANAS
05 06'6
80 10'10
87
PACIFICO
PIURA
PIURA
SECHURA
SECHURA
05 31'31
80 50'50
EL ALTO
PACIFICO
INTERCUENCA
DEL PACIFICO
PIURA
TALARA
EL ALTO
04 16'16
81 13'13
252
HACIENDA
BIGOTE
PACIFICO
PIURA
PIURA
MORROPON
SALITRAL
05 20'20
79 47'47
827
HACIENDA SHUMAYA
MARAON
CHAMAYA
PIURA
HUANCABAMBA
SONDOR
05 22'22
79 21'21
2050
10
HUANCABAMBA
MARAON
CHAMAYA
PIURA
HUANCABAMBA
HUANCABAMBA
05 15'1
79 33'1
3177
11
HUARMACA
MARAON
CHAMAYA
PIURA
HUANCABAMBA
HUARMACA
05 33'53.1
79 31'11
2244
12
LA ESPERANZA
PACIFICO
CHIRA
PIURA
PAITA
COLAN
04 55'55
81 04'4
13
LANCONES
PACIFICO
CHIRA
PIURA
SULLANA
LANCONES
04 34'34
80 29'29
123
14
MALACASI
PACIFICO
PIURA
PIURA
MORROPON
SALITRAL
05 19'1
79 53'1
240
15
MALLARES
PACIFICO
CHIRA
PIURA
SULLANA
MARCAVELICA
04 51'51
80 44'44
29
16
MIRAFLORES
PACIFICO
PIURA
PIURA
PIURA
CASTILLA
05 10'10
80 35'34
40
17
MORROPON
PACIFICO
PIURA
PIURA
MORROPON
MORROPON
05 11'1
79 59'1
109
18
PACAYPAMPA
PACIFICO
CHIRA
PIURA
AYABACA
PACAIPAMPA
04 59'1
79 40'1
2315
19
PANANGA
PACIFICO
INTERCUENCA
DEL PACIFICO
PIURA
SULLANA
MARCAVELICA
04 33'33
80 53'53
500
20
PARTIDOR
PACIFICO
CHIRA
PIURA
PIURA
LAS LOMAS
04 38'38
80 15'15
250
10
21
PORCULLA
MARAON
CENEPA
PIURA
HUANCABAMBA
HUARMACA
05 50'50
79 30'30
1971
22
SALALA
MARAON
CHAMAYA
PIURA
HUANCABAMBA
EL CARMEN DE LA
FRONTERA
05 06'6
79 27'27
2800
23
SAN MIGUEL
PACIFICO
PIURA
PIURA
PIURA
CATACAOS
05 18'14
80 40'55
20
24
SAN PEDRO
PACIFICO
PIURA
PIURA
MORROPON
CHULUCANAS
05 05'5
80 02'2
309
25
SANTO DOMINGO
PACIFICO
PIURA
PIURA
MORROPON
SANTO DOMINGO
05 02'1
79 53'1
1475
26
SAPILLICA
PACIFICO
CHIRA
PIURA
AYABACA
SAPILLICA
04 47'47
79 59'59
1406
27
SAUSAL DE CULUCAN
PACIFICO
CHIRA
PIURA
AYABACA
LAGUNAS
04 45'45
79 46'46
1015
28
SONDORILLO
MARAON
CHAMAYA
PIURA
HUANCABAMBA
SONDOR
05 20'20
79 24'24
1900
29
TABACONAS
MARAON
CHINCHIPE
CAJAMARCA
SAN IGNACIO
TABACONAS
05 19'19
79 17'17
1801
30
TULUCE
MARAON
CHAMAYA
PIURA
HUANCABAMBA
SONDOR
05 29'29
79 22'22
1920
79 24'16
3300
31
CUEVA BLANCA
MARAON
CHAMAYA
LAMBAYEQUE
FERREAFE
INCAHUASI
06
07'52.68
32
VIRREY
PACIFICO
CASCAJAL
LAMBAYEQUE
LAMBAYEQUE
OLMOS
05 34'51
79 58'2
264
33
EL LIMON
MARAON
CHAMAYA
CAJAMARCA
JAEN
POMAHUACA
05 55'55
79 19'19
1255
34
SALLIQUE
MARAON
CHAMAYA
CAJAMARCA
JAEN
SALLIQUE
05 39'1
79 19'1
1750
35
SAN IGNACIO
MARAON
CHINCHIPE
CAJAMARCA
SAN IGNACIO
SAN IGNACIO
05 08'43
78 59'49
740
Por estos motivos, debe considerarse que los mapas climticos representan los patrones espaciales de
distribucin de las variables y deben ser interpretados sin perder de vista que la resolucin espacial es
frecuentemente de decenas de km.
El mejor mtodo de interpolacin climtica sigue siendo objeto de controversia, claro que este mtodo
universal no existe sino que, en funcin de las caractersticas territoriales y de los datos disponibles,
unos pueden funcionar mejor que otros en diferentes lugares y circunstancias.
En el caso concreto de los mapas temticos para la regin Piura se hicieron pruebas con los mtodos
Inverse Distance Weighted (IDW) y Spline que son dos modelos basados en mtodos de interpolacin
determinista ya que se fundamentan en muestreos del rea de estudio con frmulas matemticas que
determinan la forma de la superficie resultante. As tambin, se realiz pruebas con modelos basados
en mtodos geoestadsticos (como el Kriging) que utilizan fundamentos estadsticos que incluyen auto
11
correlaciones. Es decir, son modelos que no solo predicen superficies de interpolacin, sino que
tambin indican el grado de exactitud y error de la prediccin. Kriging es similar a IDW, en cuanto a
que pondera muestras del entorno, para extraer predicciones de zonas prximas. La frmula general
para ambas interpolaciones se basa en la suma ponderada de todos los datos.
(So) = i Z(Si)
(1)
En el IDW el peso solo depende de la distancia a los puntos de muestreo, mientras que en el Kriging
los pesos no solo se basan en las distancias, sino tambin en las relaciones espaciales entre las
muestras y sus valores. (lvarez et al. 2011).
Finalmente, se realizaron pruebas con el mtodo de interpolacin por regresin lineal mltiple, este
mtodo probado fue propuesto por Pons (1996) y Ninyerola et al. (2000), basado en tcnicas de
regresin lineal mltiple para la interpolacin espacial de los datos proveniente de las estaciones
meteorolgicas.
Lo resaltante de este mtodo es que al final los mapas resultantes son corregidos utilizando los
residuales, producto de la regresin lineal mltiple (Quevedo et al. 2009).
(2)
Las pruebas realizadas muestran resultados ms cercanos con el mtodo de regresin lineal, en el caso
de la temperatura las isotermas a corregir fueron mnimas, en tanto que, para la precipitacin
igualmente este fue el mtodo ms cercano en comparacin a los otros mtodos pero se tuvieron que
realizar algunos ajustes.
12
2.1.2
Tendencias climticas
Las tendencias climticas se estiman a fin de conocer de qu manera estn comportndose las
variables climticas en el tiempo y con ello determinar si existe un progresivo cambio que se establece
sobre records de informacin lo ms extensos posibles.
2.1.2.1
La ventaja de Mann-Kendall es saber utilizar la magnitud relativa de los valores de la serie temporal,
filtrando valores extremos, en vez de utilizar los valores reales. Al mismo tiempo, es necesario tener
presente que en este test los datos necesitan cumplir con los siguientes supuestos: ser variables
13
Donde g es el nmero de grupos con datos repetidos y tp es el nmero de datos con p-simo grupo.
Luego s y Var (S) son utilizados para el clculo de la estadstica Z, con distribucin normal
estandarizada:
14
Los valores positivos (negativos) de Z indican tendencia ascendente (descendente). Con la finalidad de
mejorar la interpretacin y profundizar los anlisis de las tendencias lineales, se calcularon las
tendencias de las variables climticas de la precipitacin para los totales anuales y estacionales, y para
las temperaturas, los promedios anuales y estacionales. Para las tendencias de los ndices climticos
se consideran solamente los valores anuales. Las estaciones del ao para el presente trabajo fueron
definidas del siguiente modo: primavera (SON), verano (DJF), otoo (MAM) e invierno (JJA).
Si la hiptesis nula (H0) es verdadera, la estadstica Z tiene distribucin normal estndar. Para testar,
tanto las tendencias ascendentes como las descendentes, al nivel significativo la H0 es aceptada si
el valor absoluto de Z es menor que Z1- /2 (teste de dos lados). El valor Z1- /2 es escogido a priori
una vez que no tenemos conocimiento de la direccin de la tendencia. Este valor, , en todos los test
realizados para el presente informe, es de 0,05 (5%).
Para obtener la pendiente o la magnitud de la inclinacin, se utiliz la metodologa desarrollado por
Sen (1968). La magnitud de la tendencia lineal estimada de una serie temporal, denominada
inclinacin (razn de la variable por unidad de tiempo), puede ser estimada a partir del clculo de los
mnimos cuadrados de la inclinacin estimada , utilizando el mtodo de Regresin Lineal. Sin
embargo, , calculado de esta manera, puede desviarse significativamente del verdadero valor de la
inclinacin cuando existen valores discrepantes (outliers) en los datos de la serie temporal a ser
calculada (Gilbert, 1987). En este mtodo, la inclinacin de las tendencias de la serie temporal es
obtenido a partir del clculo de las, N=n(n-1)/2, inclinaciones estimadas a travs de:
15
Tabla N1: ndices de precipitacin con su definicin y unidades. RR es la tasa de lluvia diaria.
Todos los ndices son calculados de enero a diciembre.
Indicador
Definicin
PRCPTOT
CWD
CDD
R10mm
R95p
RX1day
RX5day
Unidades
mm
das
das
das
mm
mm
mm
16
Tabla N2: ndices de temperatura con su definicin y unidades. Todos los ndices son
calculados de enero a diciembre.
Indicador
Definicin
Txx
Txn
Tnx
Tnn
DTR
Tx10p
Das Fros
Tx90p
Das calientes
Tn10p
Noches fras
Tn90p
Noches calientes
Unidades
C
C
C
C
C
das
das
das
das
El Modelo HadGEM2-ES
mecanismos que mejora el rendimiento. Algunos errores sistemticos conocidos en HadGEM1, tales
como el monzn de la India, no fueron objeto de atencin en HadGEM2-AO. En HadGEM2-ES la
cubierta vegetal es mejor que en el modelo anterior HadCM3LC especialmente para los rboles, y la
productividad es mejor que en el modelo HadGEM2-AO no interactivo.
2.2.2 Regionalizacin Dinmica
La regionalizacin es un procedimiento que permite adaptar las proyecciones de modelos globales a
una escala ms reducida con una resolucin espacial ms apropiada para su uso en evaluaciones de
impacto a escala ms regional y local. Uno de los mtodos para regionalizar es la dinmica, la cual hace
uso de un modelo regional. Se utiliz para el presente estudio el modelo Advanced Research WRF
(Weather Research and Forescast) versin 3.4, el cual fue forzado por el modelo global HadGEM2-ES
v2, con el componente Earth-System desarrollado por el Centro Hadley Global Environmental Model,
el cual representa coherentemente las variables atmosfricas en distintos niveles de presin. Las
variables analizadas (precipitacin y temperaturas extremas) del modelo global han sido
intercomparadas. El modelo regional WRF, es un modelo de mesoescala no hidrosttico. El SENAMHI,
ha obtenido resultados satisfactorios en el pas utilizando el WRF para sus investigaciones, por lo cual
este modelo regional para proyeccin de largo plazo fue ejecutado para simular el clima actual y su
evolucin futura en la regin Piura.
Regionalizacin Estadstica
La regionalizacin estadstica se basa en el uso de las relaciones empricas que relacionan predictandos
(observaciones locales de una variable objetivo, tal como la precipitacin, las temperaturas extremas)
a un conjunto de predictores adecuados (variables a gran escala que determinan el estado de la
atmsfera).
Bajo el enfoque de la aproximacin de Perfec Prog, estas relaciones (modelos) se obtienen al
considerar predictores cuasi-observados desde el reanlisis. Posteriormente, son aplicados los
modelos fijados/ calibrados (coeficientes) a los predictores del Modelo del Sistema de la Tierra a fin
de trasladar sus simulaciones globales gruesas a la escala local requeridas para las aplicaciones en el
impacto y adaptaciones del cambio climtico. Los predictores de circulacin utilizados en la
regionalizacin estadstica son: presin a nivel del mar (SLP), altura geopotencial (Z), componentes
18
zonales/meridionales del viento (U/V) y termodinmicos son: temperatura (T), humedad especfica
(Q), en diferentes niveles de presin, superficie o cerca de la superficie (por ejemplo, 1000 hPa) en la
troposfera media y superior (500/250 hPa). Las primeras variables son predictores robustos para
estudios sobre el cambio climtico, mientras que las siguientes llevan la seal de cambio climtico y,
por lo tanto, deben ser considerados para estudios sobre el cambio climtico.
2.2.4
Evaluacin de Incertidumbres
19
Modelo
Global/Regional
(Fuente)
Tipo de
Regionalizacin
Descripcin
Resolucin
16 Km
RCP
Precip.
Temp.
8.5
HadGEM2-ES/ REA
(SENAMHI)
Consenso
HadGEM2-ES/
ESTADSTICO
(SENAMHI)
Reg. Estadstica
Resultado de la regionalizacin
estadstica a punto de estacin,
del modelo global HadGEM2-ES
A punto de
estacin
8.5
HadGEM2-ES/ WRF
(SENAMHI)
Reg. Dinmica
Resultado de la regionalizacin
dinmica por grillas, del modelo
global HadGEM2-ES
16 Km
8.5
A punto de
estacin
8.5
A punto de
estacin
4.5
CanESM2
CNRM-CM5
MPI-ESM-MR
(Proyecto AMICAFSENAMHI)
MPI -ESM-MR/ REMO
(Max Plank Institute)1
HadGEM2-ES/ ETA
(CPTEC)2
Reg. Estadstica
Reg. Estadstica
Resulta de la regionalizacin
estadstica a punto de estacin de
3 modelos globales: CanESM2,
CNRM -CM5 y MPI-ESM-MR
Reg. Dinmica
Resultado de la regionalizacin
dinmica por grillas, del modelo
global MPI-ESM-MR
50 Km
8.5
Reg. Dinmica
Resultado de la regionalizacin
dinmica por grillas, del modelo
global HagGEM2-ETA
20 Km
8.5
_______________________
1G Silvestri,
C Vera and D Jacob (2008): A high-resolution 43-year atmospheric hindcast for South America generated with the
MPI regional model. DOI 10.1007/s00382-008-0423-5.
2Chou, S. , Lyra, A. , Mouro, C. , Dereczynski, C. , Pilotto, I. , Gomes, J. , Bustamante, J. , Tavares, P. , Silva, A. , Rodrigues, D. ,
Campos, D. , Chagas, D. , Sueiro, G. , Siqueira, G. and Marengo, J. (2014): Assessment of Climate Change over South America
under RCP 4.5 and 8.5 Downscaling Scenarios. American Journal of Climate Change, 3, 512-527. doi:
10.4236/ajcc.2014.35043.
20
CAPTULO III
CARACTERIZACIN CLIMTICA
Anual
229.76
244.46
132.74
97.24
407.77
151.40
452.05
662.17
81.27
292.75
435.20
501.40
1315.57
321.88
491.37
1010.08
749.97
1368.76
944.84
934.03
357.85
1191.86
960.08
DEF
95.30
101.92
42.16
47.67
143.44
70.57
167.64
274.44
48.68
137.45
177.64
205.82
515.91
128.31
173.05
416.55
316.28
550.51
410.65
340.26
130.63
354.57
265.10
MAM
124.60
139.85
78.13
45.23
256.15
78.26
266.88
368.76
31.07
147.06
243.09
292.33
627.15
149.57
182.31
496.77
396.64
738.91
458.56
444.10
139.65
416.48
326.97
JJA
7.58
0.72
11.46
2.51
5.33
0.44
14.05
11.17
0.48
6.12
12.76
0.87
48.78
11.03
39.09
25.65
17.87
25.07
21.54
33.94
18.17
213.49
188.10
SON
2.28
1.97
0.99
1.84
2.85
2.13
3.48
7.80
1.04
2.12
1.71
2.38
123.73
32.97
96.92
71.11
19.18
54.27
54.08
115.73
69.39
207.33
179.91
En la Tabla N3 se muestran los valores climatolgicos a nivel estacional y anual por cada estacin
meteorolgica ubicada en la regin Piura, el periodo analizado es 1971-2000.
21
En la Figura N5, se observa el ciclo anual de la precipitacin en la regin Piura, donde las mayores
precipitaciones ocurren en los meses de febrero y marzo, y las menores a escasas precipitaciones en
los meses de julio y agosto.
siguiente ao, usualmente las lluvias de verano en este sector son productos de trasvases de
humedad provenientes de las zonas alto andinas de la sierra ecuatoriana.
22
En relacin a su ciclo anual las lluvias a lo largo del litoral no superan los 100 mm al ao, en tanto que
hacia el este las lluvias se ven incrementadas acumulando valores hasta de 1400 mm (Ver Mapa N3).
23
a)
b)
c)
Durante el evento El Nio 1997-1998, las precipitaciones ms intensas se registraron en la zona costera
(Figuras N6 y N7), totalizando durante el periodo de lluvias cantidades hasta 9 veces ms de lo normal
(Ver Cuadro N3). Las zonas medias del departamento totalizaron cantidades de hasta 3767.6 mm,
(Santo Domingo), valor que representa el doble de su climatologa. Localidades alto andinas como
Ayabaca registraron 60% ms de su climatologa (Ver Cuadro N3).
Se ha observado que durante los aos La Nia las lluvias en la zona costera son similares a su patrn
climtico, en tanto que en las zonas medias del departamento estas se ven incrementadas hasta en
170% ms de lo esperado (Chalaco), las zonas ms altas como Ayabaca registran igualmente
cantidades superiores durante el evento, alcanzando valores de hasta 124 mm en 24 horas (Ayabaca,
La Nia 1999 -2000), acumulando a lo largo del periodo de lluvias cantidades superiores a su normal
pero en menor intensidad que en un ao El Nio (Ver Cuadro 3).
La Esperanza (6 msnm)
600
1982-1983
Precipitacin (mm)
500
1997-1998
1999-2000
Normal
400
300
200
100
0
Set
Oct
Nov
Dic
Ene
Feb
Mar
Abr
May
Jun
Jul
Ago
Figura N6: Distribucin mensual de la precipitacin en aos El Nio (1982-83; 1997-98), La Nia
(1999 2000) y Normal Estacin La Esperanza.
1982-1983
1997-1998
1999-2000
Normal
Precipitacin (mm)
120
100
80
60
40
20
0
Set
Oct
Nov
Dic
Ene
Feb
Mar
Abr
May
Jun
Jul
Ago
Figura N7: Distribucin mensual de la precipitacin en aos El Nio (1982-83; 1997-98), La Nia
(1999- 2000) y Normal Estacin Ayabaca.
25
La temperatura mxima anual en la regin, vara entre los 17.6C y 32.2C (Ver Tabla N4). Los periodos
ms clidos y ms fros del ao, varan dependiendo de la zona geogrfica, la estacin de verano (DEF)
suele ser la ms clida en las localidades ubicadas hacia el litoral y parte baja de la regin, mientras
que, en las zonas altas de la regin es la estacin de primavera la que registra los valores ms altos.
Los periodos ms fros suelen ocurrir en la estacin de invierno en las zonas bajas y en verano en las
partes altas.
En la Tabla N4 se muestran los valores climatolgicos a nivel estacional y anual por cada estacin
meteorolgica ubicada en la regin Piura. El perodo analizado es 1971-2000.
Tabla N4: Climatologa de la temperatura mxima media anual (C) y estacional (C) de la
regin Piura
ANUAL
Miraflores
Mallares
La Esperanza
Chusis
Morropn
San Miguel
Chulucanas
Ayabaca
Sausal de Culucan
Huancabamba
Huarmaca
DEF
30.71
30.94
28.10
28.71
31.47
30.22
31.95
17.45
28.20
24.12
19.13
MAM
32.98
32.92
29.91
30.76
32.55
32.62
33.21
16.71
27.89
24.36
17.60
JJA
32.32
32.22
30.14
30.79
31.77
31.82
32.41
16.91
27.93
24.03
18.76
SON
28.02
28.62
26.17
26.27
29.72
27.38
30.03
17.97
28.13
23.09
20.90
29.55
30.24
26.27
26.96
31.83
29.16
32.18
18.21
28.84
25.09
19.39
nivel mensual la temperatura mxima es ms alta en los meses de febrero y marzo; mientras que, las
temperaturas mximas ms bajas se presentan en los meses de julio y agosto (Ver Figura N8) en las
zonas bajas de la regin, en el caso de las estaciones Ayabaca, Huancabamba y Huarmaca que estn
ubicadas en zonas altoandinas, estas presenta un comportamiento particular, Ayabaca registra altas
temperaturas en agosto y setiembre, y bajas temperaturas en enero y febrero; Huarmaca registra
temperaturas mximas ms altas en julio y agosto, y ms bajas en enero y febrero; mientras que,
Huancabamba registra valores altos de temperatura mxima en noviembre y ms bajos en julio.
26
27
28
a)
b)
c)
d)
29
La temperatura mnima anual vara en la regin entre los 9.50C y 19.57C (Ver Tabla N5). Tambin
se puede apreciar que en las zonas bajas de la regin, generalmente se registran los valores ms altos
de la temperatura mnima durante la estacin de verano (DEF) y en otoo (MAM) en las zonas
altoandinas; mientras que los valores ms bajos de temperatura mnima se presentan generalmente
en la estacin de invierno (JJA).
En la Tabla N5 se muestran los valores climatolgicos a nivel estacional y anual por cada estacin
meteorolgica ubicada en la regin Piura. El periodo analizado es 1971-2000.
Tabla N5: Climatologa de la temperatura mnima media anual (C) y estacional (C) de la
regin Piura
Miraflores
Mallares
La Esperanza
Chusis
Morropn
San Miguel
Chulucanas
Ayabaca
Sausal de Culucan
Huancabamba
Huarmaca
ANUAL
DEF
MAM
JJA
SON
19.25
19.31
19.57
19.40
18.70
18.77
18.83
9.36
16.91
12.34
11.89
21.33
21.31
21.33
21.18
20.76
20.77
20.85
9.41
17.65
12.59
11.62
21.09
21.10
21.42
21.15
20.62
20.53
20.58
9.81
17.77
12.76
12.38
17.20
17.48
17.81
17.67
16.45
16.80
16.61
8.98
15.95
11.80
12.09
17.47
17.66
17.68
17.54
16.99
17.06
17.15
9.23
16.29
12.11
11.36
La temperatura mnima tiene los valores ms altos en los meses de febrero y marzo; mientras que,
presenta mnimos valores en los meses de julio y agosto (Ver Figura N9), a excepcin de las estaciones
Ayabaca y Huancabamba, donde la temperatura mnima presenta poca variabilidad anual y registran
los valores ms bajos de toda la regin.
30
3.3.2
A nivel anual se observa que por debajo de los 500 msnm, zona costera y media del departamento, las
temperaturas mnimas fluctan entre 16 y 20C. Durante aos La Nia se observa que las
temperaturas mnimas logran descender hasta los 8C (Estacin Chusis). En las zonas alto andinas las
temperaturas mnimas oscilan entre 6.9C y 14C, en cuanto a las mnimas absolutas, tenemos
registros de hasta 1C y 1.8C, en las localidades de Alto de Poclus (Ayabaca) ubicada a 3070 msnm y
Fras ubicada a 3093 msnm (Ayabaca), respectivamente. No se descarta la presencia de heladas
meteorolgicas en los puntos ms altos de la regin, como Cerro Negro (Ayabaca) ubicada a 3990
msnm (Ver Mapa N7).
A lo largo de todo el ao los valores ms altos de temperaturas mnimas se presentan en la zona
costera de la regin. Los promedios estacionales de los trimestre DEF y MAM, presentan un rango
similar, donde las temperaturas oscilan entre los 6C y 22C, disminuyendo hacia el este de la regin,
las mayores temperaturas se registran en la zona costera y regin media de Piura (Ver Mapa N8a y
8b), durante los trimestres JJA y SON el rango de temperaturas oscilan entre 6C y 18C, registrndose
los valores ms bajos en las localidades de Fras, Ayabaca y Salala (Ver Mapas N8c y 8d).
31
32
b)
a)
c)
d)
33
Perodo
Tendencia
(mm dcada-1)
Significancia %
Miraflores
1971-2014
2
NS
Mallares
1971-2014
7
NS
La Esperanza
1967-2014
4
90
Chusis
1965-2014
-1
NS
Morropn
1964-2014
45
95
Ayabaca
1964-2014
76
95
Sausal De Culucan
1964-2014
27
90
Huancabamba
1971-2014
18
NS
San Miguel
1973-2014
4.4
NS
Huarmaca
1964-2014
47
NS
Chulucanas
1972-2014
17
NS
San Pedro
1975-2014
38
NS
Bernal
1964-2014
3
NS
Pananga
1964-2014
25
95
Lancones
1964-2014
21
NS
Sapillica
1964-2014
54
NS
Hacienda Bigote
1964-2014
46
90
Chalaco
1964-2014
50
NS
Pacaypampa
1964-2014
12
NS
Sondorillo
1964-2014
7
NS
Tuluce
1964-2014
35
NS
Hacienda Shumaya
1964-2014
12
NS
Leyenda: Nivel de significancia No Significativo (NS), nivel de significancia 90% (+), nivel de
significancia 95% (*), nivel de significancia 99% (**), nivel de significancia 99.9% (***).
34
DEF
MAM
JJA
SON
Tend.
Sig. Tend.
Sig
Tend. Tend. Sig. Tend.
Miraflores
2.9
NS
0.7
NS
0
NS
0
NS
Mallares
2.0
NS
1.9
NS
0
NS
0
NS
La Esperanza
1.3
NS
0.8
NS
0
NS
0
NS
Chusis
0.0
NS
1.0
NS
0
99
0
95
Morropn
22.0
99
15.1
NS
0
NS
0.9
95
Ayabaca
36.6
NS
35.4
NS
-0.7
NS
0
NS
Sausal De Culucan
19.2
99
7.5
NS
-0.9
NS
1.6
NS
Huancabamba
17.4
90
-2.5
NS
-2.2
NS
9.1
NS
San Miguel
2.0
NS
3.2
95
0
95
0
NS
Huarmaca
39.1
95
20.6
NS
-3.6
95
-6.6
NS
Chulucanas
1.9
NS
0.0
NS
0.0
NS
1
90
San Pedro
18.3
NS
21.9
NS
-1.0
NS
0.8
NS
Bernal
0.8
NS
1.9
90
0
90
0
NS
Pananga
10.2
95
11.6
95
0
NS
0
99,9
Lancones
6.8
NS
8.9
NS
0
NS
0
NS
Sapillica
20.4
NS
31.4
NS
-3.9
99,9 -2.1
90
Hacienda Bigote
30.0
95
28.2
90
0
95
2.1
99,9
Chalaco
41.4
99
13.4
NS
0.0
NS
5.4
NS
Pacaypampa
20.1
NS
4.8
NS
-2.4
NS
-3.1
NS
Sondorillo
1.4
NS
-1.3
NS
0
NS
0
NS
Tuluce
36.9
99
7.8
NS
-14.5
90
-2.2
NS
Hacienda Shumaya
13.8
NS
14.5
NS
-4.9
NS
-1.5
NS
Leyenda: Nivel de significancia No Significativo (NS), Nivel de significancia 90% (+),
Nivel de significancia 95% (*), Nivel de significancia 99% (**), Nivel de significancia 99.9% (***).
35
a)
b)
Figura N10: Tendencia de la precipitacin acumulada anual considerando aos Nio y sin considerar
aos Nio (mm) de la estacin Ayabaca (a) y Hacienda Bigote (b).
36
ESTACIONES
Perodo
Tendencia (C
dcada-1)
Significancia %
Miraflores
1971-2013
-0.02
NS
Mallares
1971-2013
0.5
99.9
La Esperanza
1966-2013
-0.1
NS
Chusis
1964-2013
0.2
99
Morropn
1964-2013
0.2
90
San Miguel
1973-2013
0.3
99
Chulucanas
1972-2013
0.3
99.9
Ayabaca
1964-2013
0.2
99.9
Sausal De Culucan
1964-2013
0.4
99.9
Huancabamba
1964-2013
0.1
NS
Huarmaca
1973-2013
0.3
99
Leyenda: Nivel de significancia No Significativo (NS), Nivel de significancia 90% (+),
Nivel de significancia 95% (*), Nivel de significancia 99% (**), Nivel de significancia 99.9% (***).
3.4.2.2
Tendencia Estacional
Estacin
DEF
MAM
JJA
SON
Tend.
Sig.
Tend.
Sig
Tend.
Sig
Tend.
Miraflores
0
NS
0.04
NS
-0.05
NS
-0.03
Mallares
0.6
99.9 0.7
99.9
0.6
99.9 0.3
La Esperanza
-0.1
NS
0.1
NS
-0.1
NS
-0.3
Chusis
0.3
99
0.2
95
0.2
90
0.2
Morropn
0
NS
0.1
NS
0.3
95
0.3
Sanmiguel
0.3
99
0.3
95
0.5
99
0.2
Chulucanas
0.2
90
0.4
90
0.4
99
0.4
Ayabaca
0.1
NS
0.2
99.9
0.2
99.9 0.3
Sausal De Culucan
0.3
95
0.3
99.9
0.5
99.9 0.4
Huancabamba
-0.1
NS
0.1
NS
0.2
95
0.1
Huarmaca
0.2
NS
0.3
99
0.4
95
0.4
Leyenda: Nivel de significancia No Significativo (NS), Nivel de significancia 90% (+),
Nivel de significancia 95% (*), Nivel de significancia 99% (**), Nivel de significancia 99.9% (***).
a)
b)
Figura N11: Tendencia de la temperatura mxima anual de la estaciones Ayabaca (a) y Mallares (b)
En la Figura N11 se puede apreciar las series climticas y la tendencia de la temperatura mxima anual
de las estaciones Ayabaca (a) y Mallares (b), ambas estaciones muestran una clara tendencia de
38
Sig
NS
99.9
95
99
99.9
NS
99.9
99.9
99.9
90
99.9
aumento de la temperatura mxima en toda su serie histrica, siendo la estacin Mallares la que
presenta un mayor aumento (0.5C por dcada); Ayabaca presenta un aumento de casi 0.2C por
dcada. Estos resultados coinciden con las tendencias analizadas en la Segunda Comunicacin
Nacional de Cambio Climtico (SENAMHI, 2009); segn dicho estudio las temperaturas mxima sobre
la costa norte del Per van en aumento y con el estudio del Programa de Cambio Climtico y Calidad
de Aire, en la cuenca del ro Piura (PROCLIM, 2005) donde se tiene tendencias positivas de la
temperatura mxima del aire en algunas zonas de la regin.
3.4.3
Tabla N10: Tendencia anual de las temperaturas mnima (C) y de las significancias (%) en la
regin Piura.
ESTACIONES
Perodo
Tendencia (C
dcada-1)
Significancia %
Miraflores
1971-2013
0.2
99
Mallares
1971-2013
0.1
NS
La Esperanza
1966-2013
0.4
99
Chusis
1964-2013
0.1
NS
Morropn
1964-2013
0.4
99.9
San Miguel
1973-2013
0
NS
Chulucanas
1972-2013
-0.01
NS
Ayabaca
1964-2013
0.3
99.9
Sausal de Culucan
1964-2013
0.2
99.9
Huancabamba
1964-2013
0.3
99.9
Huarmaca
1973-2013
0.3
99.9
Leyenda: Nivel de significancia No Significativo (NS), Nivel de significancia 90% (+),
Nivel de significancia 95% (*), Nivel de significancia 99% (**), Nivel de significancia 99.9% (***).
39
3.4.3.2
Tendencia Estacional
Tabla N11: Tendencias estacionales de las temperaturas mnima (C) y de las significancias (%) en
la regin Piura
Estacin
Miraflores
Mallares
La Esperanza
Chusis
Morropn
Sanmiguel
Chulucanas
Bernal
Lancones
Ayabaca
Sausal de Culucan
Huancabamba
Huarmaca
DEF
Tend.
0.3
0
0.4
0.2
0.5
0.1
0.1
0.04
0.01
0.3
0.1
0.2
0.3
MAM
Sig.
95
NS
99.9
95
99.9
NS
NS
NS
NS
99.9
90
95
99
Tend.
0.2
0.1
0.3
0.1
0.3
0
0
0.14
-0.06
0.3
0.1
0.3
0.3
Sig
NS
NS
95
NS
99
NS
NS
NS
NS
99.9
95
99.9
99.9
JJA
Tend.
0.3
0.2
0.4
0.2
0.6
0
0
0.1
0.1
0.3
0.2
0.3
0.3
SON
Sig
95
90
99
NS
99.9
NS
NS
NS
NS
99.9
99
99.9
99.9
Tend.
0.2
0.1
0.4
0
0.4
0
-0.1
0.02
0
0.3
0.2
0.02
0.3
Sig
NS
NS
99
NS
99.9
NS
NS
NS
NS
99.9
99.9
99
99.9
40
a)
b)
Figura N12: Tendencia de la temperatura mnima anual de las estaciones Ayabaca (a) y Sausal de
Culucan( b).
En la Figura N12 se puede apreciar la serie climtica y la tendencia positiva de la temperatura mnima
anual de las estaciones Ayabaca (a) y Sausal de Culucan (b), ambas estaciones muestran una clara
tendencia de aumento de la temperatura mnima en toda su serie histrica, siendo la estacin Ayabaca
la que presenta un aumento de 0.29C por dcada; la estacin Sausal de Culucan presenta un aumento
de 0.16C por dcada.
Los resultados obtenidos en este documento guardan concordancia con los resultados de la Segunda
Comunicacin Nacional de Cambio Climtico (SENAMHI, 2009) y el Programa de Cambio Climtico y
Calidad de Aire en la cuenca del ro Piura (PROCLIM, 2005), donde se menciona la tendencia positiva
de la temperatura mnima en la costa norte del pas.
consecuencia de la influencia del hombre sobre el clima. El cambio climtico puede ser percibido o
sentido de mejor manera a travs de la incidencia de estos impactos extremos (IPCC, 2007).
La necesidad de analizar los extremos climticos se ha visto incrementado exponencialmente por las
grandes prdidas econmicas y la afectacin a la vida humana relacionadas a estos eventos, sugiriendo
que los tomadores de decisin necesitan una mejor comprensin del uso potencial de la informacin
climtica (Karl and Easterling, 1999). El anlisis de extremos climticos permite definir con cuanta
frecuencia se dan, dnde se producen y con qu magnitud impactan, sus tendencias nos indicaran si
estos estn variando con respecto a una serie historia lo suficientemente extensa que permita filtrar
variabilidades propias del clima.
La evaluacin de eventos extremos, est basada en el anlisis de series largas y continuas de
observacin de precipitacin, temperaturas mximas y mnimas. El objetivo del anlisis de ndices de
extremos climticos derivados desde la informacin diaria es importante en estudios regionales y
locales de impactos. Sin embargo, la falta de continuidad y calidad de datos restringe la estimacin de
ndices de extremos climticos no permitiendo una mejor evaluacin. As se puede decir que la
deteccin del cambio climtico debera ser ms observable a travs de sus tendencias y extremos
climticos en regiones montaosas.
3.5.1
Los ndices climticos que permiten evaluar el comportamiento de los eventos extremos de la
precipitacin se muestran en la Tabla N12. Si bien gran parte de los ndices mostrados presentan
tendencias no significativas debido a discontinuidades en las series de tiempo, es importante
considerar a manera de referencia las aproximaciones que se indican para la escala regional sobre los
cambios en condiciones extremas de la variable precipitacin.
La Regin de Piura presenta una coherencia espacial en gran parte de la regin en las seales de
tendencia positiva entre la mayora de ndices para la precipitacin analizados, y en concordancia con
la tendencia negativa del ndice de das secos consecutivos (CDD). El ndice de precipitacin total
(PRCPTOT) viene incrementando en todas las estaciones, lo que indica que las lluvias en Piura estn
aumentando, a excepcin de ciertas zonas sobre la parte central baja y media de la regin como en
Miraflores, La Esperanza y Chulucanas. El ndice de das hmedos consecutivos (CWD) muestra una
clara tendencia positiva en toda la regin, a excepcin de Chusis; lo que concuerda con el aumento de
las precipitaciones totales anuales (PRCPTOT). El ndice de das secos consecutivos (CDD) muestra
tendencias negativas significativas en las zonas bajas medias y altas de la regin, lo que indicara una
progresiva disminucin de la duracin de los periodos sin lluvia en localidades como Mallares, La
Esperanza, Bernal, Pananga, Hacienda Bigote, Huancabamba y Sondorillo. En contraste con estaciones,
donde con tendencias positivas no significativas, se muestran que probablemente exista un aumento
en la duracin de los periodos secos. El nmero de das con precipitacin intensa (R10mm) presenta
una tendencia positiva no significativa en todas las estaciones, lo que concuerda con el aumento de
precipitaciones, a excepcin de Miraflores, La Esperanza , Chulucanas, San Pedro y Sondorillo que
presenta tendencias significativas de disminucin de eventos con lluvias mayores a 10 mm. En los das
muy hmedos (R95p) tambin se tiene una tendencia positiva predominante, aunque no significativa,
para el incremento en la intensidad de lluvias, en concordancia con el aumento de la precipitacin
total, das hmedos consecutivos y aumento de perodos con precipitacin intensa, a excepcin de
Miraflores, Chulucanas, Sondorillo y Hacienda Shumaya, donde aparentemente la intensidad de las
lluvias extremas est en disminucin. En cuanto a los ndices de intensidad de precipitacin mxima
en 1 da y 5 das (RX1day y RX5day) muestran una tendencia positiva en gran parte de la regin, que
indica que la cantidad de lluvia acumulada en 1 y 5 das va en aumento.
42
PRCPTOT
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
CWD
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
CDD
+
+
+
+
+
+
+
+
+
+
+
R10mm
+
+
+
+
+
+
+
+
+
+
+
+
+
R95p
+
+
+
+
+
+
+
+
+
+
+
+
RX1day
+
+
+
+
+
+
+
+
+
+
+
+
+
+
RX5day
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
Leyenda: Tendencia positiva sin significancia (+), Tendencia positiva con significancia (+),
Tendencia negativa sin significancia (), Tendencia negativa con significancia ().
43
a)
b)
Figura N13: Tendencia del ndice de precipitacin RX1day y CDD de la estacin Ayabaca (a) y Sausal
de Culucan (b).
En la Figura N13 se puede observar la tendencia positiva del ndice de precipitacin acumulada en un
da (RX1day) de la estacin de Ayabaca; es decir, la precipitacin mxima acumulada en un da viene
aumentando en las ltimas dcadas. El ndice se das secos consecutivos (CDD) viene aumentando en
la estacin de Ayabaca, lo que indica que el perodo de das sin lluvias viene aumentando en sta
estacin ubicada en la zona altoandina de Piura.
En relacin con la Segunda Comunicacin Nacional de Cambio Climtico, es clara la tendencia de
incremento de la precipitacin sobre esta parte de la costa norte, siendo concordante con la tendencia
de disminucin de condiciones secas, las diferentes variaciones presentadas en los resultados, podran
deberse a caractersticas del entorno.
modo hay aparentemente una predominancia de que los valores mnimos de las temperaturas
mximas (Txn) vienen disminuyendo significativamente, en gran parte de las estaciones analizadas;
solo Mallares, La Esperanza, Ayabaca y Huarmaca presentan tendencia positiva.
Para el caso del ndice basado en el valor ms bajo mensual de la temperatura mnima (Tnn) se aprecia
que este valor va en aumento en todas las estaciones, a excepcin de Sausal de Culucan y
Huancabamba, donde disminuye significativamente con valores cada vez ms bajos. Caso contrario
ocurre con el ndice de temperaturas mnimas mensual ms altas (Tnx) la cual viene aumentando en
casi toda la regin en las ltimas cinco dcadas, a excepcin de Sondorillo que est ubicado al este de
Piura, cerca de la frontera con Amazonas.
El rango diurno de temperatura (DTR) muestra tendencias negativas y positivas en toda la regin,
indistintamente de la altitud a la que se encuentran las estaciones analizadas, tanto estaciones en
zonas altas como en zonas bajas, presentan variadas tendencias entre positivas y negativas; por
ejemplo, Miraflores, La Esperanza, Morropn, Ayabaca, Sausal de Culucan y Huancabamba presentan
una disminucin de los valores del rango diurno, lo que significa que la diferencia entre la temperatura
mxima y mnima, se hace cada vez ms pequea; mientras que, Mallares, Chusis, Chulucanas,
Huarmaca y Sondorillo la diferencia entre los valores de temperatura mxima y mnima se hacen cada
vez ms grandes.
Se tiene tambin que la frecuencia de noches fras (Tn10p) presenta tendencia negativa, lo que indica
que cada ao hay un menor nmero de noches con temperaturas muy bajas, a excepcin de las
estaciones Sausal de Culucan y Huarmaca donde el nmero de noches fras estn contrariamente
aumentando; en el caso de la frecuencia de noches clidas (Tn90p) aumenta en La Esperanza, Chusis,
Morropn, Ayabaca y Huarmaca, y disminuye en Sausal de Culucan y Huancabamba (ambas ubicadas
al este de Piura, en zonas altoandinas). La frecuencia de das clidos (Tx90p) viene aumentando en la
regin, a excepcin de La Esperanza, Sausal de Culucan y Huancabamba que tienen tendencias
negativas. Finalmente, la frecuencia de das fros (Tx10p), es decir con temperaturas mximas muy
bajas est disminuyendo progresivamente.
+
+
+
+
Mallares
+
+
+
+
+
La Esperanza
+
+
+
+
Chusis
+
+
+
+
Morropn
+
+
+
Chulucanas
+
+
+
+
Ayabaca
+
+
+
+
Sausal De Culucan
+
Huancabamba
+
Huarmaca
+
+
+
+
+
Sondorillo
+
+
Leyenda: Tendencia positiva sin significancia (+), Tendencia positiva con significancia (+),
Tendencia negativa sin significancia (), Tendencia negativa con significancia ().
Tn90p
+
+
+
+
45
a)
b)
Figura N14 Tendencia de los ndices Tn10p (a) Tn90p (b) de la estacin Ayabaca.
En la Figura N14a se muestra las tendencias del ndice de noches fras (Tn10p) se puede observar que
vienen disminuyendo notoriamente las noches fras en la estacin en los ltimos 50 aos; mientras
que en la Figura N14b se tiene la tendencia del ndice de noches clidas (Tn90p) que muestra una
clara tendencia positiva, lo que indica que se estn registrando un aumento de las noches clidas.
Estos resultados guardan relacin con los obtenidos en el documento Segunda Comunicacin Nacional
de Cambio Climtico (SENAMHI, 2009), el cual indica que existe una tendencia al calentamiento en la
regin costera norte.
46
CAPTULO IV
El clima de una regin es el resultado de una serie de factores en diferentes escalas espaciales, desde
los forzamientos locales, la cobertura vegetal, la topografa, el tipo de suelo, pisos altitudinales,
cercana al mar, etc., hasta los forzamientos de gran escala, como la circulacin de mesoescala o las
teleconexiones, que pueden condicionar caractersticas propias de la regin, por lo que es de gran
importancia incluirlas en los anlisis de seales de cambio climtico. Sin embargo, este proceso puede
volverse extremadamente complicado y caracterizado por un alto grado de incertidumbre (Giorgi,
2008).
Una forma de construir escenarios futuros del clima, es incorporando la variabilidad (interanual) a
dichos escenarios (Wilks, 1992; Meams et al., 1992; Barrow, 1995; citados por Hulme y Lu 2000) siendo
la variabilidad muy importante en el estudio de eventos extremos y la frecuencia con la que stos
eventos suceden.
Los escenarios futuros del clima a escala regional y local son necesarios para proyectar los posibles
cambios del clima en el futuro a un mejor detalle espacial y temporal; con lo cual es posible evaluar
la vulnerabilidad econmica social y con ello implementar estrategias de adaptacin y enfrentar los
posibles impactos del cambio climtico global. La herramienta bsica para estimar las proyecciones
climticas son los Modelos de Circulacin General Acoplados Ocano Atmsfera (AOGCMs, siglas en
ingls). Los AOGCMs permiten simular el clima pasado, actual y futuro, habiendo, con el paso de los
aos, mejorado muchsimo en la representacin de los efectos de los procesos fsicos a travs de sus
esquemas de parametrizacin de radiacin y conveccin principalmente, as como las interrelaciones
entre las componentes del sistema climtico atmsfera-ocano-superficie terrestre-bisferacrisfera.
En la actualidad, existen en la comunidad cientfica diversos modelos AOGCMs, los cuales forman
parte del grupo de la Fase 5 del Proyecto de intercomparacon de Modelos Acoplados (CMIP5 por sus
siglas en ingles). De estos modelos, siete fueron evaluados sobre la regin sudamericana (ACCESS1-0,
CESM1-CAM5, NorESM1-M, HadGEM2-AO, HadGEM2-CC, HadGEM2-ES, MPI-ESM-LR.) a fin de
identificar cual tenia una mejor representatividad de la dinmica atmosfrica de esta parte del mundo
(SENAMHI, 2013). El modelo ingls HadGEM2-ES (Met Office Hadley Centre) fue el que mejor
representacin hace de la estructura atmosfrica, siendo el utilizado para el proceso de regionalizacin
dinmica con el modelo regional WRF, generando escenarios en dos pasos de reduccin de escala a
48 km y 16 km, siendo la resolucin ms fina la presentada en el presente estudio, y para la
regionalizacin estadstico a punto de estacin.
con mayores pesos, se realiza el promedio ponderado y se obtiene una serie patrn, la que se utiliza
para las proyecciones climticas futuras. Tanto la serie dinmica como la estadstica, se regionalizaron
a partir del modelo global HadGEM2-ES y tuvieron como escenario de emisin al RCP 8.5, el cual
representa el escenario ms pesimista.
4.1.1
Proyecciones de la precipitacin
En las Figuras N15 y N16 se muestran la variacin porcentual de las precipitaciones en el Per, esto
a nivel anual y estacional a una resolucin de 16 Km.
A nivel anual, la regin Piura presentara cambios diferenciados entre la zona costera por debajo de
los 500 msnm aproximadamente y las partes altas al este de la regin. Hacia el 2030, la parte que
corresponde a las zonas altas presentara una disminucin de hasta un -30% con respecto a la
precipitacin actual (media del periodo 1981-2005). En el resto de la regin, hacia la zona costera, la
precipitacin de incrementara, siendo los mayores incrementos de hasta 230%, sobre la zona central
sur de la regin. En general, sobre la regin predomina una tendencia proyectada al aumento de las
precipitaciones (Ver la Figura N15), mantenindose la tendencia de las proyecciones encontradas en
la Segunda Comunicacin Nacional (SENAMHI, 2011) aunque con valores mucho ms altos, mostrando
asimismo regiones con tendencia a la disminucin hacia la zona este.
Figura N15: Distribucin espacial del Cambio en la precipitacin anual para la regin de Piura
48
Figura N16: Distribucin espacial del cambio en la precipitacin a nivel estacional a) verano, b)
otoo, c) invierno y d) primavera, para la regin de Piura.
49
Figura N17: Distribucin espacial del cambio en la temperatura mxima anual para la regin de
Piura.
A nivel estacional las proyecciones futuras tambin indican aumento de la temperatura mxima. Y
muestran una variacin similar.
En general, se espera mayores calentamientos al sur de Piura de hasta ms de 2C y en las zonas altas
de la regin con una variacin de 1.25C a ms de 2C, la zona central de Piura presentara aumentos
que van de 1C a 1.25C. En otoo (MAM) e invierno (JJA) se tendra aumentos en el litoral costero, de
1.25C a ms de 2C (Ver Figura N18).
50
a)
c)
b)
d)
Figura N18: Distribucin espacial del cambio en la temperatura mxima a nivel estacional a) verano,
b) otoo, c) invierno y d) primavera, para la regin de Piura.
51
Figura N19: Distribucin espacial del cambio en la temperatura mnima anual para la regin de
Piura.
A nivel estacional las proyecciones futuras indican un aumento de la temperatura mnima en toda la
regin durante todo el ao (Ver Figura N20, grficos a, b, c y d).
En verano (DEF) se tendra un aumento de la temperatura mnima en toda la regin, en el sur se
llegaran a registrar aumentos de ms de 2C, en las zonas altas entre 1.25C a ms de 2C y en el resto
de la regin de entre 1.25C a 1.5C.
En otoo (MAM) se tendra un mayor aumento en la zona sur, de ms de 2C, al este entre 1.5C a ms
de 2C y al centro y norte entre 1.25C a 2C.
En invierno (JJA) se experimentara la mayor tasa de aumento de la temperatura mnima del ao, el
sur de Piura y parte de la zona centro experimentara un aumento de ms de 2C, junto con la parte
este de las zonas alta. Al este de la regin, tambin se tendra valores de aumento de 1.25C 1.5C, al
norte un aumento de hasta 2C.
Finalmente en Primavera (SON) en la zona central se tendran aumento de 1C a 1.25C, al este una
variacin de 1.25C a 2C y al oeste se tendra entre 1.25C a ms de 2C.
52
a)
c)
c)
b)
d)
d)
Figura N20: Distribucin espacial del cambio en la temperatura mnima a nivel estacional a) verano,
b) otoo, c) invierno y d) primavera, para la regin de Piura.
4.2 INCERTIDUMBRES
Los cambios anuales estimados de las variables precipitacin y extremos de temperatura centrados en
el ao 2030 son presentados en las Figuras N 21, 22 y 23. El nmero de estaciones vara de acuerdo a
la disponibilidad de informacin y el periodo base trabajado fue 1981-2005. Se utiliz el escenario ms
pesimista que corresponde al escenario de emisin RCP 8.5 y adicionalmente se cont con informacin
de AMICAF/SENAMHI para el escenario de emisin moderada RCP 4.5.
En esta seccin se presenta la comparacin de los cambios generados con diferentes escenarios
disponible para la regin Piura (Ver Cuadro N2) estos cambios consideran diferentes modelos,
mtodos de regionalizacin, escenarios de emisin y resolucin para las variables de precipitacin,
temperatura mxima del aire y temperatura mnima.
53
a)
)
c)
c)
54
4.2.2
Los escenarios de temperatura mxima del aire son en general ms concordantes entre s, las
variaciones pueden ser menos dramticas, dependiendo bsicamente de la poca del ao y la
ubicacin del lugar de anlisis. En ese caso evaluaremos los cambios de la temperatura mxima (C)
en 3 estaciones (Ayabaca, Chusis y Mallares).
De la Figura N22a, la estacin de Ayabaca muestra un notorio aumento de la temperatura mxima en
todos los escenarios, siendo ms consistentes en el periodo 2013-2028 con un cambio de hasta 2,5C
lo que nos indica una mayor certidumbre respecto al incremento de la temperatura en dicha localidad.
De la Figura N22b, para el caso de la estacin Chusis se puede observar un notorio aumento de la
temperatura mxima en todos los modelos, es el WRF y el HadGEM los modelos que presentan un
pico de hasta 4C de aumento entre el periodo 2021-2031, sin embargo posterior a este periodo las
variaciones son ms dispersas incrementando la incertidumbre sobre las intensidades proyectadas
para esta localidad.
De la Figura N22c, para la estacin Mallares, se aprecia un aumento en todos los escenarios, bastante
consistente hasta mediados de la dcada 2020s, para luego manteniendo proyecciones de incremento
pero con una mayor dispersin. El WRF a pesar que muestra un aumento, siempre oscila entre altos y
bajos valores (0.5C a 1.5C), las proyecciones del AMICAF son las que muestran aumentos en mayores
rangos (0.5C a 3.5C).
a)
b)
c)
4.2.3
Los escenarios de temperatura mnima del aire presentan caractersticas similares a las proyecciones
de la temperatura mxima. En ese caso evaluaremos los cambios de la temperatura mxima (C) en 3
estaciones (Huancabamba, San Miguel y Morropon).
De la Figura N23a, para la estacin Huancabamba, se observa un aumento de temperatura mnima, a
excepcin del escenario REMO que proyecta una ligera disminucin de temperaturas hasta mediados
de la dcada del 2020, a partir del cual, proyecta incremento continuo. El resto de escenarios muestran
un buen consenso de aumento de hasta 3C de la temperatura mnima.
De la Figura N23b la estacin San Miguel, existe consistencia entre gran parte de los escenarios a
excepcin del escenario alemn REMO que no muestra mayor variacin hasta inicios de la dcada
2030. Las proyecciones en general reflejan una marcada tendencia de aumento.
De la Figura N23c se puede observar las proyecciones de la temperatura mnima la estacin
Morropn, aumentan en una rango en comn, en el periodo 2013-2029, a partir del cual, siguen
aumentando pero con una diferente variabilidad. El escenario alemn REMO es el nico que proyecta
cambios al incremento recin desde la dcada 2030.
a)
b)
a)
c)
CAPTULO V
CONCLUSIONES
Las proyecciones del clima en la regin de Piura para el 2030 se resume en lo siguiente:
Aumento en zonas costeras y disminucin en zonas por encima de los 500 msnm, de las
precipitaciones. Tambin se proyecta incremento de las temperaturas mximas y mnimas en
toda la regin, aunque es sta ltima la que muestra cambios ms intensos, llegando a tener
aumentos de ms de 2C en todas las estaciones del ao.
Del anlisis estacional, las conclusiones son las siguientes:
Los cambios en la precipitacin en el largo plazo, en general, se tiene aumentos de hasta 210%
por encima de la normal climatolgica, en la zona centro y sur en verano (DEF), otoo (MAM)
y primavera (SON); mientras que se esperan ligeros cambios en las zonas altas de Piura, entre
-10% a 10%. En invierno (JJA) se tienen incrementos en algunos puntos de las zonas altas de
Piura y disminucin de la precipitacin hasta en -10%; mientras que, en primavera (SON) en
las zonas altas se tendran dficit de precipitaciones.
Para la temperatura mxima las proyecciones indican un aumento de 1C a 1.25C en todo el
centro de Piura; mientras que, para las zonas altas predice aumentos que van de 1.5 a 2C; la
zona sur es la que mayores rangos proyectados presenta, que van de 1.5C a ms de 2C en
todas las estaciones del ao.
Las proyecciones de la temperatura mnima muestran que sta variable presenta mayores
aumentos, lo que la hace ms sensible al cambio climtico.
Todas las proyecciones estacionales de la temperatura mnima, indican un mayor aumento en
la zona sur, de hasta ms de 2C, en las zonas altas el aumento vara entre 1.5C a ms de 2C
(Pacaypampa). Los aumentos en la zona centro y sur vara entre 1C a 1.75C.
La evaluacin sobre las incertidumbres asociadas a las proyecciones climticas nos indican que
existe mayor incertidumbre sobre la variable precipitacin que con las temperaturas mximas
y mnimas.
Si bien es consistente el escenario de incremento de lluvias para Piura, las diferencias entre
los escenarios evaluados (WRF, AMICAF, etc.) presentan una mayor dispersin hacia el 2030,
que en el caso de las temperaturas mxima o mnimas para las cuales la seal de
calentamiento es fuerte.
58
CAPTULO VI
BIBLIOGRAFA
Beek, E.G.; Stein, A.; Janssen, L.L.F. (1992) Spatial variability and interpolation of daily
precipitation amount. Stochastic Hydrology and Hydraulics, 6: 304-320.
Bellouin N., Boucher O., Haywood J., Johnson A., Rae J., and Woodward. (2007): Improved
represebtation of aerosols for HadGEM2. Meteorological office Hadley Centre, Technical Note
73, March 2007.
Chou, S. , Lyra, A. , Mouro, C. , Dereczynski, C. , Pilotto, I. , Gomes, J. , Bustamante, J. , Tavares,
P. , Silva, A. , Rodrigues, D. , Campos, D. , Chagas, D. , Sueiro, G. , Siqueira, G. and Marengo, J.
(2014) Assessment of Climate Change over South America under RCP 4.5 and 8.5 Downscaling
Scenarios. American Journal of Climate Change, 3, 512-527. doi: 10.4236/ajcc.2014.35043.
Chou, S. , Lyra, A. , Mouro, C. , Dereczynski, C. , Pilotto, I. , Gomes, J. , Bustamante, J. , Tavares,
P. , Silva, A. , Rodrigues, D. , Campos, D. , Chagas, D. , Sueiro, G. , Siqueira, G. , Nobre, P. and
Marengo, J. (2014) Evaluation of the Eta Simulations Nested in Three Global Climate Models.
American Journal of Climate Change, 3, 438-454. doi: 10.4236/ajcc.2014.35039.
Cressman, G. (1959): An operational Objetive Analysis System. Vol 87. Number 10.
Cubash, U.; Waskewitz, J.; Hegel, G. y Perlwitz, J. (1995): Regional climate changes as simulated
in time-slice experiments. Clim Change 31: 273-304.
Dingman, S. Lawrence; Seely-Reynolds, Diana M.; Reynolds, Robert C. (1988): Application of
kriging to estimating mean annual precipitation in a region of orographic influence. Water
Resources Bulletin, 24(2): 329-339.
Frich, P.; Alexander, L; Della-Marta, P.; Gleason, B.; Haylock, M.; Peterson, T. (2002): Observed
coherent changes in climate extremes during the second half of the twentieh century. Clim.
Res.24: 47-57 pp.
Gaertner, S. L., Bachman, B. A., Dovidio, J. F., & Banker, B. S. (2001). Corporate mergers and
stepfamily marriages: Identity, harmony, and commitment. In M. A. Hogg & D. Terry (Eds.),
Social identity in organizations (pp. 265-288). Oxford, UK: Blackwell.
Giorgi, F. (2008): Regionalization of climate change information for impact assessment and
adaptation.
Hulme, M. and Lu, X. (2000): How to factor interannual climate variability into Climate
Scenarios. A note prepared for the DETR Fast-Track Impacts Group.
IDEAM (2004). Estudio de la Caracterizacin Climtica de Bogot y Cuenca Alta del Ro
Tunjuelo.
IPCC (2007). Cuarto Informe de Evaluacin. Climate Change 2007: The Physical Science Basis.
Alley, R. et al. Eds., Cambridge University Press, Uk, 881 pp.
IPCC (2013). Quinto Informe de Evaluacin. Climate Change: The Physical Science Basis.
Stocker, R. et al. Eds., Cambridge University Press, Uk, 1535 pp.
59
SENAMHI, (2013): Anlisis del clima actual y futuro en la cuenca del ro Mantaro y sus impactos
en la disponibilidad hdrica y cultivos priorizados en la Subcuenca del ro Shullcas, Junn.
SENAMHI, (2014): Regionalizacin Estadstica de Escenarios climticos en Per al ao 2050.
Proyecto AMICAF.
Silvestri, et al (2008): A high-resolution 43-year atmospheric hindcast for South America
generated with the MPI regional model. DOI 10.1007/s00382-008-0423-5.
Tracton, M. S., and Du, J. (2001): Application of the NCEP/EMC Short-range ensemble forecast
system (SREF) to predicting extreme precipitation events. Pp. 64-65 in Preprints, Symposium
on Precipitation Extremes: Prediction Impacts and Responses, American Meteorological
Society.
Valdivia, J (1977): Meteorologa general.
Wanabe S., Hajima T., Sudo k., Nagashima T., Takemura T., Okajima H., Nozawa T., Kawase H.,
Abe M., Yokohata T., Ise T., Sato H., Kato E., Emori S., Kawasiya M (2011) MITOC-ES, (2010):
Model description and basis results of CMIP5-20c3m experiments. Geoscientific Model
Development 4(4): 845-872, DOI 10.5194/gmd-4-845-2011.
WMO No. 182, International meteorological vocabulary. World Meteorological Organization.
Geneva.1992.
Woodman, R; (1997): El Fenmeno El Nio y el Clima en el Per.
61
ANEXOS
ANEXOS
62
63
64
65
66
67
MAPAS
MAPAS
69