Documentos de Académico
Documentos de Profesional
Documentos de Cultura
J. Fluixá-Sanmartín (1), M. Cerna Rivera (2), J. García Hernández (3), C. Huggel (4)
(1)
CREALP, Rue de l’Industrie 45, Sion, Suiza, javier.fluixa@crealp.vs.ch
(2)
CARE, Perú, mcerna@care.org.pe
(3)
CREALP, Rue de l’Industrie 45, Sion, Suiza, javier.garcia@crealp.vs.ch
(4)
UZH, Winterthurerstrasse 190, 8057 Zürich, Suiza, christian.huggel@geo.uzh.ch
RESUMEN:
ABSTRACT:
De forma general, los glaciares de montaña están sufriendo un proceso de retroceso cada vez
mayor (WGMS, 2012; Gardner, 2013) debido en parte a los efectos del cambio climático. Este
proceso lleva asociados una disminución de la cobertura de hielo, así como la aparición de nuevas
masas de agua, y puede afectar gravemente los procesos socio-económicos y los ecosistemas (e.g.
Bradley et al., 2006; Drenkhan et al., 2015). Estos cambios introducen nuevos escenarios en la
relación entre la demanda y la disponibilidad de los recursos hídricos, lo cual puede resultar crítico,
especialmente en regiones donde existe ya una escasez (estacional) de agua debido a las
condiciones actuales.
En el contexto del cambio climático, hasta el momento la futura disponibilidad de agua y los
riesgos potenciales no han sido estudiados para la cuenca del río Cañete. Por ello, se ha realizado
este estudio cuyos objetivos son: i) Elaborar y calibrar un modelo hidrológico de la cuenca
utilizando un concepto semi-distribuido que permita evaluar los recursos hídricos disponibles, tanto
de las partes glaciares como no-glaciares; ii) Evaluar el impacto del cambio climático sobre dichos
recursos bajo ciertos escenarios futuros, utilizando los estudios climáticos disponibles para la zona
de estudio.
El presente estudio forma parte del proyecto “Glaciares+. Gestión del riesgo y uso
productivo del agua procedente de glaciares” que busca ahondar en las problemáticas planteadas
mediante la simulación de escenarios hidrometeorológicos futuros que permitan plantear estrategias
de adaptación para el aprovechamiento sostenible de los recursos hídricos.
Cuenca de estudio
Datos hidrometeorológicos
Figura 1.- (a) Ubicación de las estaciones meteorológicas; (b) Ubicación de las estaciones de aforo.
Para la calibración del modelo, se ha dividido la cuenca en 3 zonas (alta, media y baja)
llamadas respectivamente A, B y C. Además, se ha planteado una subdivisión en subzonas
consideradas de características homogéneas (Figura 2, derecha) que se calibrarán separadamente.
La consiguiente calibración se realiza “en cascada”: cada subzona se calibra de manera
independiente con la estación de aforo inmediatamente aguas abajo, y donde (siempre que sea
posible) los caudales aguas arriba de dicha subzona en la fase de calibración corresponden a los
aforados por una eventual estación de aforo ubicada inmediatamente aguas arriba.
Desafortunadamente, la corta longitud de las series de caudales aforados obliga a que el
periodo de disponibilidad de datos se utilice únicamente en la fase de calibración, sin que por tanto
se aplique la fase de validación. Así pues, la calibración se ha realizado para el periodo del
01.01.2014 al 31.12.2016.
Las calibraciones de los modelos han sido realizadas por el método Shuffled Complex
Evolution – University of Arizona SCE-UA (Duan et al., 1993), algoritmo incorporado a RS
MINERVE para la calibración automática multiobjetivo. Para estimar la bondad de los resultados se
han utilizado combinaciones de cuatro indicadores de eficiencia de uso extendido que se han
supuesto suficientes para evaluar la calidad de los modelos generados: índice de Nash, índice de
Nash logarítmico, Kling-Gupta Efficiency, Relative Volume Bias (más información en García
Hernández et al., 2018). Una vez finalizada, la calibración ofrece los indicadores de eficiencia
presentados en la Tabla 1. En la Figura 3 se presenta un ejemplo del ajuste entre el hidrograma
observado y el simulado en la estación de Paucarcocha.
A la vista de los resultados, se puede concluir que en general la calidad de las calibraciones
realizadas por subzonas es buena (los valores de los indicadores son adecuados). En ciertos casos
(subzonas A1 y B2) los indicadores de eficiencia no son tan buenos y esto puede indicar o bien una
deficiencia en la modelización o una mala calidad de los registros de aforos. Se dispone por lo tanto
de una herramienta capaz de modelizar correctamente los procesos hidrológicos de generación y
transporte de caudales en la cuenca, tanto en condiciones pasadas (datos utilizados para la
calibración) como para el estudio de escenarios hidrometeorológicos futuros.
Tabla 1.- Valores de los indicadores de eficiencia por subzona.
Indicador de Valor por subzona
eficiencia A1 A2 A3 B1 B2 B3 C1
Nash 0.612 0.785 0.763 0.883 0.544 0.633 0.882
Nash-ln 0.519 0.922 0.492 0.867 0.330 0.691 0.156
Kling-Gupta Coeff 0.707 0.871 0.816 0.858 0.703 0.736 0.924
Relative Volume Bias -1.1E-1 5.6E-3 -7.7E-2 -6.7E-3 -1.0E-1 -1.7E-1 -2.2E-2
Figura 3.- Ejemplo del ajuste de los caudales aforados (verde) y simulados (naranja) en la estación
Paucarcocha para la subzona A2.
Una vez efectuadas las calibraciones por subzonas, se integran los valores de los parámetros
calibrados en el modelo completo de la cuenca del Cañete.
Se ha evaluado dicho modelo con los registros meteorológicos (precipitación y temperatura).
En este trabajo se utilizan únicamente los datos registrados a partir de 2004, puesto que en los
periodos anteriores las series temporales adolecen de grandes huecos. Así pues, a continuación se
presentan los resultados preliminares obtenidos mediante la modelización hidrológica de la cuenca
del Cañete utilizando los datos meteorológicos del periodo del 01.01.2004 al 31.12.2016 (periodo
para el cual se dispone de datos de temperatura en diversas estaciones).
Se han evaluado los aportes hídricos de la cuenca y, en particular, la proporción de los
mismos provenientes de las partes glaciar y no glaciar de la misma. Las aportaciones mensuales
medias para el periodo del 01.01.2004 al 31.12.2016 se muestran en la Figura 4 (para la parte
glaciar) y en la Figura 5 (para la parte no-glaciar).
Queda patente la gran diferencia entre los órdenes de magnitud de las aportaciones glaciares
y no-glaciares (las primeras son entre 14 y 300 veces menores que las segundas). Esto se debe
fundamentalmente a la diferencia entre las superficies glaciar (~15 km2) y no-glaciar (~6 000 km2)
en la cuenca del Cañete. También se aprecia un desfase de unos 6 meses entre los valores máximos
de las aportaciones de la parte glaciar (valores máximos en septiembre) y la no-glaciar (valores
máximos en marzo).
Con esto se pone de manifiesto la escasa influencia que tienen los glaciares en la
disponibilidad de recursos hídricos a nivel global en la cuenca del Cañete.
Aporte medio mensual de la parte glaciar - Cuenca Cañete
Aporte medio mensual (hm3/mes) 1.6
1.4
1.2
0.8
0.6
0.4
0.2
Figura 4.- Aportación mensual media (en hm3/mes) proveniente de la parte glaciar de la cuenca del Cañete,
en base al periodo del 01.01.2004 al 31.12.2016.
350
300
250
200
150
100
50
Figura 5.- Aportación mensual media (en hm3/mes) proveniente de la parte no-glaciar de la cuenca del
Cañete, en base al periodo del 01.01.2004 al 31.12.2016.
Estudios de base
Se dispone del informe titulado “Cañete: Escenarios de cambio climático” elaborado el por
Meteodat en el contexto del proyecto Glaciares+ (Meteodat, 2016). Este estudio utiliza
proyecciones climáticas para obtener cambios en las variables meteorológicas futuras, en particular
precipitación y temperatura respecto del periodo de referencia 1981-2005. De entre todos los
modelos climáticos testados en dicho estudio, finalmente se propone la utilización del GISS-E2-
H_p3 y el MPI-ESM-MR, pues estos ofrecen resultados plausibles (reproducen adecuadamente las
condiciones meteorológicas observadas) y están disponibles para los dos escenarios RCP2.6
(optimista) y RCP8.5 (pesimista). Los cambios relativos a las precipitaciones estacionales
(expresados en %) se presentan en la Tabla 2, y los relativos a las temperaturas (expresados en °C)
en la Tabla 3.
Tabla 2.- Cambios estacionales relativos de la precipitación con el GCM ‘GISS-E2-H_p3’ y con el GCM
‘MPI-ESM-MR’, respecto del periodo de referencia 1981-2005.
Modelo Escenario Horizonte DEF MAM JJA SON
RCP2.6 2051-2075 -14% -3% 6% 1%
RCP2.6 2076-2100 -17% -9% 9% 1%
GISS-E-H_p3
RCP8.5 2051-2075 -24% 12% 24% -6%
RCP8.5 2076-2100 -14% -10% 23% -2%
RCP2.6 2051-2075 3% 5% 9% 0%
RCP2.6 2076-2100 6% 5% -4% 7%
MPI-ESM-MR
RCP8.5 2051-2075 9% -1% -33% 22%
RCP8.5 2076-2100 15% 8% -1% 14%
Tabla 3.- Cambios estacionales relativos de la precipitación con el GCM ‘GISS-E2-H_p3’ y con el GCM
‘MPI-ESM-MR’, respecto del periodo de referencia 1981-2005.
Modelo Escenario Horizonte DEF MAM JJA SON
RCP2.6 2051-2075 1.12 1.11 1.32 1.14
RCP2.6 2076-2100 1.13 1.26 1.33 1.17
GISS-E-H_p3
RCP8.5 2051-2075 2.84 2.65 2.96 2.88
RCP8.5 2076-2100 3.62 3.68 4.07 3.81
RCP2.6 2051-2075 0.9 1 1.3 1.31
RCP2.6 2076-2100 0.98 1.12 1.32 1.46
MPI-ESM-MR
RCP8.5 2051-2075 2.79 2.76 3.47 3.78
RCP8.5 2076-2100 4.29 4.15 5.45 5.7
Se ha utilizado también el trabajo “El futuro del clima y de los glaciares en el Perú”
(Schauwecker, 2016), así como el artículo “The freezing level in the tropical Andes, Peru: An
indicator for present and future glacier extents” (Schauwecker et al., 2017). La información que se
ha tomado de estos trabajos es la relativa al retroceso de los glaciares en la cordillera Central (de la
que forma parte la cuenca del Cañete). Asumiendo dos escenarios de emisiones distintos (el RCP2.6
y el RCP 8.5), se obtiene la altura de congelación al final del siglo XXI. En estos estudios se asume,
de forma simplificada, que la altura de congelación define la superficie glaciar. Esto quiere decir
que por debajo de dicha altura los glaciares derretirán; y por encima, se conservarán.
La Tabla 4 muestra de forma orientativa el porcentaje del área glaciar en comparación con el
área total actual que quedaría arriba de la altura de congelación asumiendo RCP2.6 y RCP8. El
rango (Min-Media-Max) se deriva de la incertidumbre de los diferentes modelos climáticos.
Es importante apuntar, como se indica en los trabajos de Schauwecker, que estas son
estimaciones muy aproximadas de la evolución de la cobertura glaciar y que se ignoran muchos
factores importantes como la variación de otras variables climáticas, el tiempo de reacción del
glaciar, la topografía del terreno o la dinámica del flujo glaciar. Para una estimación más adecuada,
se requerirían modelos físicos que tuvieran en cuenta estos factores.
Tabla 4.- Porcentaje del área glaciar en comparación con el área total actual situado arriba de la altura de
congelación futura (asumiendo RCP2.6 y RCP8.5) para la cordillera Central.
RCP2.6 RCP8.5
Min Media Max Min Media Max
1% 37% 74% 0% 0% 5%
Tabla 5.- Casos contemplados de retroceso glaciar y porcentaje de área glaciar correspondiente respecto de
la situación actual para la cuenca del Cañete.
RCP2.6 RCP8.5
Escenario 2051-2075 57% 37%
Escenario 2076-2100 37% 0%
Resultados
A partir del modelo hidrológico de la cuenca del Cañete, se han modificado las series
meteorológicas de entrada (inputs) así como las superficies de las partes glaciares. Se presentan a
continuación los efectos combinados de los cambios en las condiciones meteorológicas y del
retroceso glaciar en las aportaciones totales en la cuenca del Cañete obtenidos con el modelo. Así,
en vista de los resultados obtenidos, se puede concluir que:
En general, se espera una disminución de los aportes de la cuenca para todos los casos
(Tabla 6); únicamente para el caso del modelo MPI-ESM-MR en el escenario RCP2.6 (más
optimista) a finales de siglo se aprecia un ligero aumento, pero muy inferior al resto en
valores absolutos.
Se espera que la situación a nivel de cuenca empeore o, en el escenario más optimista, se
mantenga en el futuro. Las disminuciones de aportes mensuales pueden llegar a un 25% de
las del estado actual.
Se espera una disminución más marcada para los meses secos. Es decir, que en época seca
se agravaría todavía más la escasez de agua.
Existe una cierta dispersión de los resultados debida a la incertidumbre en los supuestos de
partida e indicada con un sombreado naranja en las Figuras 6 y 7 siguientes. En ciertos casos
las aportaciones aumentarían en algunos meses y en otros, disminuirían.
El modelo GISS-E2-H_p3 indica una disminución de los caudales esperados prácticamente
a lo largo de todo el año, tanto para el escenario optimista (RCP2.6) como para el pesimista
(RCP8.5), y de forma más marcada entre diciembre y julio.
Con el modelo MPI-ESM-MR se obtienen mayores caudales que para el modelo precedente.
Incluso, en algunos casos, estos llegan a aumentar respecto del estado actual en época
húmeda.
Tabla 6.- Variación del volumen medio anual de aportación respecto del estado actual.
RCP2.6 RCP8.5
GISS-E2-H_p3 -13.6% -19.9%
2051-2075
MPI-ESM-MR -0.6% -8.9%
GISS-E2-H_p3 -17.7% -24.0%
2076-2100
MPI-ESM-MR +1.6% -1.6%
Figura 6.- Variación porcentual de los aportes mensuales medios futuros en la cuenca del Cañete respecto
del estado actual para el escenario RCP2.6 (el sombreado naranja indica el rango de posibles resultados).
Figura 7.- Variación porcentual de los aportes mensuales medios futuros en la cuenca del Cañete respecto
del estado actual para el escenario RCP8.5 (el sombreado naranja indica el rango de posibles resultados).
CONCLUSIONES
El presente estudio recoge los trabajos realizados para evaluar los recursos hídricos de la
cuenca del río Cañete y analizar su evolución futura considerando los efectos del cambio climático.
Para ello, se ha elaborado y calibrado un modelo hidrológico de la cuenca del Cañete con ayuda del
software RS MINERVE. El modelo se ha dividido por un lado en subcuencas y por otro en zonas y
subzonas para facilitar su calibración y la gestión de los resultados. La calibración del modelo es en
general de buena calidad —pese a haber contado con pocas series de datos completas en las cuales
basarse— salvo en un par de subzonas.
Tras analizar los resultados obtenidos, se ha observado la poca influencia que tienen las
partes glaciares frente a las no-glaciares en la aportación de agua a nivel global. Esto se debe
principalmente a los tamaños de dichas partes: 15 km2 de superficie glaciar y 6000 km2 de no-
glaciar.
A continuación, se ha analizado el impacto de los cambios en las condiciones
meteorológicas (en particular en las temperaturas y las precipitaciones) y del retroceso glaciar sobre
los recursos hídricos futuros en la cuenca. Estos impactos se han analizado tanto de forma
independiente como de forma conjunta. Se han contemplado para ello dos horizontes temporales
(2051-2075 y 2076-2100) y dos escenarios de emisiones: uno optimista (RCP2.6) y otro pesimista
(RCP8.5). Para ello, se han adaptado el modelo hidrológico elaborado y los datos meteorológicos de
entrada a las condiciones futuras en base a estudios complementarios (Meteodat, 2016;
Schauwecker, 2016; Schauwecker et al., 2017).
De manera global, se espera una disminución generalizada de los aportes hídricos en la
cuenca del Cañete para ambos horizontes temporales, aunque más marcada a finales de siglo (desde
un 1.6% de aumento en el caso óptimo, hasta un 24% de disminución en el caso más pesimista). Se
puede apreciar que, en términos relativos, la disminución es mayor en los meses secos, con lo que
se acentuaría la escasez de agua. Los mayores impactos en la cuenca del Cañete provienen de los
cambios en las variables meteorológicas futuras (precipitación y temperatura).
Este estudio corrobora la necesidad de disponer de herramientas de gestión de los recursos
hídricos de manera óptima y adaptada a los escenarios futuros.
REFERENCIAS
Bradley, R. S., Vuille, M., Diaz, H. F., and Vergara, W. (2006). “Threats to Water Supplies in the
Tropical Andes”. Science, 312, 1755–1756. http://doi.org/doi:10.1126/science.1128087
Drenkhan, F., Carey, M., Huggel, C., Seidel, J., and Oré, M. T. (2015). “The changing water cycle:
climatic and socioeconomic drivers of water-related changes in the Andes of Peru”. WIREs Water, 2, 715–
733. http://doi.org/10.1002/wat2.1105
Duan, Q., Gupta, V., & Sorooshian, S. (1993). “A shuffled complex evolution approach for effective and
efficient global optimization”. Journal of Optimization Theory and Applications, 501-521.
Foehn, A., García Hernández, J., Claude, A., Roquier, B., Paredes Arquiola, J., & Boillat, J. (2018). RS
MINERVE – User’s manual v2.10. RS MINERVE Group, Switzerland.
García Hernández, J., Paredes Arquiola, J., Foehn, A., Claude, A., Roquier, B., & Boillat, J. (2018). RS
MINERVE – Technical manual v2.13. RS MINERVE Group, Switzerland.
Gardner, A. S., Moholdt, G., Cogley, J. G., Wouters, B., Arendt, A. A., & Wahr, J. (2013). “A
Reconciled Estimate of Glacier Contributions to Sea Level Rise: 2003 to 2009”. Science 340, 852-857.
Schauwecker, S. (2016). El futuro del clima y de los glaciares en el Perú. Informe, Proyecto Glaciares +.
Schauwecker, S., M. Rohrer, C. Huggel, J. Endries, N. Montoya, R. Neukom, B. Perry, N. Salzmann,
M. Schwarb, and W. Suarez (2017). “The freezing level in the tropical Andes, Peru: An indicator for
present and future glacier extents”, J. Geophys. Res. Atmos., 122, doi:10.1002/2016JD025943.
WGMS. (2012). Fluctuations of Glaciers 2005–2010. Zurich, Switzerland: World Glacier Monitoring
Service.