Cambio Clim Tico en La Cuenca Del R o Mantaro Baja PDF

Cambio climático en la cuenca del Río
Mantaro
Proyecciones para el año 2030
Proyecciones para el año 2030 1

02 Cambio Climático en la Cuenca del Río Mantaro, Junín
Cambio Climático en la Cuenca
del Río Mantaro, Junín
Proyecciones para el año 2030

Autores : Grinia Avalos R., Clara Oria R., Gerardo Jácome V., Delia Acuña A., Alan Llacza R. y Félix
Cubas S. del Servicio Nacional de Meteorología e Hidrología del Perú – SENAMHI
Consultores : Ángel Cornejo y Silvia Guerra
Contribuciones : Ezequiel Villegas
Colaboradores : Sayuri Ramírez, Lourdes Menis, Miguel Vara, Ever Castillo, Elizabeth Herrera, Rocío
Moscol y Reynaldo Navarrete
Soporte computacional : Otto Huiman, Alan Llacza y Gerardo Jácome
Revisión : Ezequiel Villegas
Corrección de estilo : Carlos Castillo y Lucinda Montañez
Año : 2012
Edición : SENAMHI
Ministerio del Ambiente – MINAM

Av. Javier Prado Oeste 1440, San Isidro, Lima.
Teléfono (51-1) 611600
http://www.minam.gob.pe
Servicio Nacional de Meteorología e Hidrología del Perú SENAMHI

Jr. Cahuide 785 Jesús María
Teléfonos: (51 – 1) 6141414 (central) y 6141408 (CPN)
http://www.senamhi.gob.pe
Diseño : Fernando Zuzunaga Núñez, Magno Bolivar
Primera edición : Mayo 2013
El contenido de este documento puede ser reproducido mencionando la fuente del SENAMHI.
Fotos: A. Iju, W. Suárez, E. Gálmez.
La presente publicación forma parte del Proyecto “Adaptación al Impacto del Retroceso Acelerado de
Glaciares en los Andes Tropicales – PRAA”, implementado en Bolivia, Colombia, Ecuador y Perú con
financiamiento del Fondo para el Medio Ambiente Mundial (GEF) y fondos PHRD del gobierno japonés,
a través del Banco Mundial, administrado por la Secretaría General de la Comunidad Andina y liderado
en el Perú por el Ministerio del Ambiente (MINAM).

Índice
Presentación07
Agradecimientos09
Mensajes Clave 13
Capítulo 1. 15
INTRODUCCIÓN 15
Capítulo 2. 17
LA CUENCA DEL MANTARO 17
Clima actual y tendencias recientes 17
2.1 El clima en la cuenca del Mantaro 17
2.2 Tendencias recientes de temperatura del aire y precipitación 18
Capítulo 3. 21
MODELOS CLIMÁTICOS Y ESCENARIOS DE EMISIONES 21
Construcción de escenarios en la cuenca del río Mantaro 21
3.1 Modelos y escenarios de emisiones 21
3.2 Escenarios climáticos regionales: La necesidad del downscaling 22
3.3 Escenarios regionales en la cuenca del Mantaro: Metodología 23
Capítulo 4. 31
PROYECCIONES DEL CLIMA EN LA CUENCA DEL MANTARO 31
Temperatura del aire y precipitación al año 2030 31
4.1 Proyecciones de la precipitación 31
Capítulo 5. 51
CUANTIFICACIÓN DE LA INCERTIDUMBRE 51
Preparándonos para un futuro incierto 51
Capítulo 6. 53
RECOMENDACIONES 53
Capítulo 7. 55
CONCLUSIONES 55
Referencias57
Anexos61

Presentación
El Ministerio del Ambiente (MINAM) es la autoridad ambiental nacional en el Perú creada por Decreto
Legislativo Nº 1013 de mayo de 2008. El MINAM es el punto focal de la Convención Marco de las Naciones
Unidas para el Cambio Climático y preside la Comisión Nacional de Cambio Climático, que está a cargo,
entre otras funciones, del diseño y seguimiento de la Estrategia Nacional de Cambio Climático. La Estrategia
Nacional de Cambio Climático, aprobada en el año 2003, consta de once líneas estratégicas de acción,
entre las cuales se incluye la reducción de los impactos adversos al cambio climático, a través de estudios
integrados de vulnerabilidad y adaptación, a fin de identificar zonas y sectores vulnerables en el país para
la implementación de proyectos de adaptación.
Adicionalmente, la Política Nacional del Ambiente, aprobada mediante Decreto Supremo Nº 012-2009-MINAM,
establece como lineamiento de política incentivar la aplicación de medidas para la adaptación al cambio
climático con un enfoque preventivo, considerando las particularidades de las diversas regiones del país.
En este contexto, el MINAM lidera en el Perú la implementación del Proyecto de Adaptación al Impacto
del Retroceso Acelerado de Glaciares en los Andes Tropicales – PRAA. El PRAA se implementa también en
Bolivia, Colombia y Ecuador, administrado por la Secretaría General de la Comunidad Andina con fondos
del Special Climate Change Fund del Fondo para el Medio Ambiente Mundial (GEF) y fondos del Policy and
Human Resources Development (PHRD) del gobierno japonés, a través del Banco Mundial.
En el Perú, el PRAA interviene en dos subcuencas glaciares de importancia: la subcuenca del río Shullcas
(Cuenca del río Mantaro) en la región Junín, asociada al nevado Huaytapallana y en las microcuencas del
río Santa Teresa (Cuenca del río Urubamba) en la región Cusco, asociadas al nevado Salkantay. En ambas
zonas se implementan medidas piloto de adaptación al cambio climático en comunidades que viven en
valles cuya principal fuente de agua dulce proviene de los glaciares. Asimismo se ha generado información
técnico-científica relevante para apoyar una toma de decisiones más informada e inclusiva a nivel local y
regional. Así, con la finalidad de ampliar el conocimiento sobre las características del clima y su evolución,
se han desarrollado los Escenarios Climáticos para el año 2030, en ambas cuencas.
El desarrollo de estos estudios fue encargado al Servicio Nacional de Meteorología e Hidrología del Perú
(SENAMHI), dada su especialización y experiencia en la observación y análisis de variables climáticas
a nivel nacional y regional. Los escenarios climáticos regionales fueron desarrollados a partir de cinco
modelos globales del IPCC (AR4), implementándose técnicas de regionalización dinámica y estadística.
El Ministerio del Ambiente expresa su felicitación al equipo técnico del SENAMHI por los Importantes
resultados del trabajo encomendado, el cual se constituye en una herramienta indispensable para asegurar
un proceso coherente de planificación del desarrollo regional, proceso en el que necesariamente debe
incluirse a las comunidades rurales más pobres que dependen casi exclusivamente del clima para su
existencia.
Manuel Pulgar Vidal Otálora

Ministerio del Ambiente

Agradecimientos
El Servicio Nacional de Meteorología e Hidrología del Perú – SENAMHI, expresa su agradecimiento

al Ministerio del Ambiente como responsable del “Proyecto de adaptación al Impacto del retroceso
acelerado de glaciares en los Andes tropicales – PRAA”, a la Secretaría General de la Comunidad Andina
como administrador de los recursos de la donación. Asimismo expresa su agradecimiento al Banco
Mundial como agencia implementadora del Fondo para el Medio Ambiente Mundial – GEF.
Al Meteorological Research Institute de Japón, al Pacific Northwest National Laboratory de Estados Unidos
de Norteamérica, al Max Planck Institute for Meteorology de Alemania y al Panel Intergubernamental de
Cambio Climático, por facilitar información de las simulaciones numéricas.
Los autores expresan su reconocimiento y agradecimiento a los pobladores de las comunidades de las
subcuencas Shullcas (en Junín) y de Santa Teresa, Sacsara, Ahobamba y Chaupimayo (en Cusco) por su
invalorable aporte al conocimiento local del clima y compartir con nosotros sus “saberes locales”.

Lista de siglas
AB Alta de Bolivia
APS Anticiclón del Pacífico Sur
AAS Anticiclón del Atlántico Sur
BCCR Bjerknes Center for Climate Research
BM Banco Mundial
CAN Comunidad Andina
CCCMA Canadian Centre for Climate Modeling and Analysis
CCSR Center for Climate System Research
CSIRO Commonwealth Scientific and Industrial Research Organization
ENOS El Niño Oscilación Sur
FRCGC Frontier Research Center for Global Change
GEF Global Environment Facility (Fondo para el Medio Ambiente Mundial)
GEI Gases de Efecto Invernadero
GDFL Geophysical Fluid Dynamics Laboratory
IPCC Intergovernmental Panel on Climate Change
IRD Instituto para la Investigación y el Desarrollot
MINAM Ministerio del Ambiente del Perú
MPIfM Max Planck Institute for Meteorology
MCG Modelo Climático Global
MCGAOA Modelo de Circulación General Acoplados Atmósfera/Océano/Hielo
marino
MCR Modelo Climático Regional
MRI/JMA Meteorological Research Institute/Japanese Meteorological Agency
NCAR National Center for Atmospheric Research
NCEP National Center for Environmental Prediction
NIES National Institute for Environmental Studies

OMM Organización Meteorológica Mundial
PDO Pacific Decadal Oscillation
PHRD Policy and Human Resources Development
PNNL Pacific Northwest National Laboratory
PRAA Proyecto de Adaptación al Impacto del Retroceso Acelerado de laciares
en los Andes Tropicales
SENAMHI Servicio Nacional de Meteorología e Hidrología del Perú
SGCAN Secretaría General de la Comunidad Andina
TSM Temperatura Superficial del Mar
UKMO Hadley Centre for Climate Prediction and Research, Met Office
WRF Weather Research and Forecasting Model
ZCAS Zona de Convergencia del Atlántico Sur
ZCIT Zona de Convergencia Intertropical
Mensajes Clave
• El cambio climático es un hecho irrefutable calificado por el IPCC (2007a) como “inequívoco”, y sus
impactos son ya importantes.
• Según los resultados del Grupo de Trabajo II del Cuarto informe Científico AR4 del IPCC para América
Latina (IPCC, 2007b), el Perú, como parte de la región andina tropical, es uno de los países que se verán
más afectados por las consecuencias del cambio climático.
• Para realizar estudios de impactos de futuros cambios del clima en la cuenca, se requiere de modelos
climáticos. Estos modelos requieren como entrada los escenarios futuros de emisiones de GEI los que a
su vez se basan en modelos socio-económicos globales
• En el presente estudio se ha considerado trabajar los escenarios climáticos para el horizonte del
2030 bajo el contexto del escenario de emisiones SRES A1B, habiéndose considerado como periodo de
referencia 1971-2000.
• Los modelos globales utilizados son: TL959L60 MRI-JMA de Japón, HadCM3 del Hadley Center del
Reino Unido, ECHAM5 del Instituto Max Planck de Alemania, CCSM3 del NCAR de Estados Unidos
de Norteamérica, implementándose técnicas de regionalización dinámica y estadística. Los principales
cambios proyectados en la cuenca del Mantaro, considerando el promedio de los modelos son:
0,4 °C a 1,0 °C -30% a +30%

Incremento de la temperatura Cambios de la precipitación
del aire para el año 2030. para el año 2030.
Incertidumbre
Las proyecciones del clima futuro son inciertas. Es esencial reconocer y tratar de cuantificar estas
incertidumbres, no ignorarlas. También hay una necesidad de planificar estrategias sólidas para
prepararse para un futuro incierto, en vez de usar la incertidumbre como una razón para la inacción.

Capítulo 1.
INTRODUCCIÓN
Según los resultados de los Grupos de Trabajo agropecuario, la biodiversidad y la disponibilidad

1 y 2 del Cuarto informe Científico AR4 del IPCC del recurso hídrico.
para América Latina (IPCC, 2007 a, b), el Perú es
uno de los países que se verán más afectados por El cambio climático supone la exacerbación de la
las consecuencias del cambio climático. Estudios variabilidad climática natural, por lo que en este
realizados por el SENAMHI- Perú (2009) en el marco contexto, se hace necesaria la generación de
de la Segunda Comunicación Nacional de Cambio escenarios regionales del clima, con proyecciones
Climático – SCNCC para el periodo 1965-2007, dan que puedan ser usadas en análisis de impactos
cuenta de importantes cambios en los patrones y vulnerabilidad, así como en la planificación de
térmicos de la región sur del Perú (calentamiento) medidas de adaptación en sectores claves en la
mientras que las lluvias no presentan un patrón cuenca como son agricultura y recursos hídricos.
definido; es decir, se advierten tendencias tanto Al mismo tiempo es necesario contar con estudios
de incremento como de reducción (p. ej. en la climáticos actuales y confiables que sirvan como
región Cusco). línea de base para obtener comparaciones
plausibles de los cambios del clima local,
En el marco del Proyecto de Adaptación al considerando los escenarios climáticos futuros.
Impacto del Retroceso Acelerado de Glaciares
en los Andes Tropicales- PRAA, el SENAMHI El SENAMHI-Perú, institución técnica ejecutora del
(2011) ha realizado estudios de variabilidad del PRAA, ha desarrollado escenarios climáticos futuros
clima local en la cuenca del río Mantaro, cuenca para la cuenca del río Mantaro para el año 2030,
estratégica para el desarrollo del país. Los de las variables precipitación y temperaturas del
resultados en relación al clima actual, dan cuenta aire extremas, basados en cinco modelos globales
de incrementos sistemáticos de la temperatura del IPCC AR4, y la implementación de técnicas de
del aire en la cuenca del orden de +0,2 °C por regionalización del clima local, bajo el escenario
década, incluso hasta de +0,5 °C por década en la de emisiones A1B del IPCC, considerándose un
estación Acobamba (Huancavelica, 3569 msnm). análisis de las incertidumbres asociadas.
Las tendencias de índices de eventos extremos Esta publicación está dirigida a tomadores de
dan cuenta de la creciente variabilidad climática decisiones, quienes deberán planificar estrategias
en la cuenca dado que eventos extremos locales sólidas para enfrentar un clima futuro incierto, y
como las heladas, lluvias intensas, veranillos, tomar decisiones gestionando las incertidumbres
entre otros, vienen mostrando señales de cambio, asociadas al clima, en vez de usar la incertidumbre
tanto en frecuencia como en intensidad, afectando como una razón para la inacción.
enormemente la productividad del sector

Capítulo 2.
LA CUENCA DEL MANTARO
Clima actual y tendencias recientes
La cuenca del Mantaro, se caracteriza por a 800 mm (Lircay, 801 mm; Huancalpi, 962 mm;
presentar una compleja topografía que favorece la Paucarbamba, 1020 mm; Marcapomacocha,
presencia de una gama de condiciones climáticas 1290 mm, Río Pallanga 1320 mm). A finales de
contrastables entre ellas (SENAMHI, 2011). marzo y sobre todo entre abril y mayo, las lluvias
Según la clasificación de climas de Thornthwaite disminuyen drásticamente, siendo el acumulado
(SENAMHI, 1988), en el sector norte de la cuenca entre junio-agosto sólo del orden de 40 mm. Son
predomina el clima semifrígido húmedo (D’H3) dos las estaciones que se definen con claridad: el
de régimen lluvioso en verano y seco en invierno. verano (periodo lluvioso) y el invierno (periodo seco
Las condiciones climáticas en la parte central de o de estiaje), sin embargo, no hay que desdeñar
la cuenca varía entre clima frío húmedo C’H3 y las lluvias durante los periodos equinocciales de
clima semifrígido húmedo D’H3; las lluvias ocurren otoño y primavera, pues particularmente en esta
en verano y son fundamentalmente orográficas. última, inician las primeras lluvias y definen la
Este sector se caracteriza por presentar un declive temporada de siembra en toda la región andina
altitudinal hacia el este (selva alta), con un clima del Perú (SENAMHI, 2011).
predominantemente cálido muy húmedo A’H4, con
lluvias de tipo convectivo en todas las estaciones En cuanto al régimen térmico de la cuenca, las
del año. En tanto, hacia el sur de la cuenca la diferencias altitudinales propician la existencia de
gama de climas va desde semifrígido húmedo variados escenarios térmicos, que contrastan entre
D’H3 en los extremos este y oeste variando el temple de la selva alta al este de la cuenca y los
concéntricamente hacia templado húmedo B’2H3 fríos de las partes altas. Si para el conjunto de
y frío húmedo C’H3. la cuenca se ha estimado una temperatura media
anual de 10 °C, los territorios bajos al este de la
2.1 El clima en la cuenca del Mantaro cuenca (selva alta) superan ampliamente ese valor
promedio registrando hasta 25 °C, mientras que
La distribución espacial de las precipitaciones en las partes altas (por encima de los 4000 msnm)
en la cuenca del río Mantaro refleja dos hechos y en el valle las temperaturas medias anuales son
relevantes: el ingreso por el este de vientos del orden de 4 °C y 11,6 °C, respectivamente.
cálidos y húmedos provenientes de la cuenca De manera similar, la distribución espacial de las
amazónica, principalmente hacia la vertiente temperaturas extremas (máxima y mínima) exhibe
oriental de la cuenca y en segundo lugar la una dependencia con el relieve de la cuenca. La
dependencia constante de la topografía. Aunque temperatura máxima anual en toda la cuenca es
para el conjunto de la cuenca la precipitación total aproximadamente 18 °C y la temperatura mínima
multianual asciende a 775 mm, es necesario indicar alrededor de los 4 °C. Los valores más altos se
que en los territorios bajos al este de la cuenca, registran al sur: Ayacucho con 24 °C (Tmáx) y 9 °C
entre los 2000-2500 msnm (márgenes de la (Tmín); Huanta 25 °C (Tmáx) y 10 °C (Tmín) y al
desembocadura del río Mantaro) las precipitaciones este (selva alta): 31 °C (Tmáx) y 19 °C (Tmín). Los
anuales exhiben montos del orden de 1500 mm valores más bajos se dan en el sector altoandino
a más. Las lluvias decrecen concéntricamente de la cuenca con rangos entre 10 °C (Tmáx) y
hacia las partes bajas de la cordillera andina -2 °C (Tmín) aproximadamente; mientras en el
oriental y occidental correspondiente a las valle las temperaturas extremas son del orden
localidades de La Oroya (561 mm), Pampas (544 de 20 °C (Tmáx) y 4 °C (Tmín). El ciclo anual
mm), Churcampa (574 mm), Ayacucho (563 de la temperatura máxima refleja la ausencia de
mm), Luricocha (329 mm), Kichuas (525 mm). nubosidad cerca del mediodía durante los meses
Sin embargo, en la franja más occidental de la de invierno (época de estiaje), lo cual determina
cuenca, la cuantía de las precipitaciones aumenta, que dichas temperaturas sean mayores durante
recibiendo una precipitación media anual superior esta temporada que las correspondientes a las

de verano. Posteriormente durante los meses de de +0,1 °C/década en temperatura máxima del
primavera, se conjugan dos factores que producen aire y +0,4 °C/década en temperatura mínima
máximas temperaturas diurnas; en primer lugar del aire, a excepción de Jauja que presenta
debido a la posición solar, mayor energía en tendencias negativas del orden de -0,2 °C/década.
superficie, respecto a invierno, y en segundo lugar, El incremento es más acentuado en localidades
menor nubosidad respecto a verano. Respecto a la como Pilchaca con +0,3 °C/década y Acobamba
temperatura mínima, los menores valores ocurren con +0,5 °C/década (SENAMHI, 2011a). Estas
durante los meses de invierno, asociados tanto a la tendencias se corresponden con el incremento de
menor energía recibida, como a la menor presencia días y noches cálidas y la disminución de heladas
de nubosidad nocturna (SENAMHI, 2011). meteorológicas en algunos puntos de la cuenca a
razón de 0,52 días por año (aproximadamente 23
2.2 Tendencias recientes de temperatura días en el periodo de estudio), mientras que en Jauja
del aire y precipitación la tasa de incremento de heladas meteorológicas
es de 0.48 días por año (aproximadamente 21
Los antecedentes de observación a lo largo del días). La evolución térmica en la cuenca no ha sido
periodo de registro instrumental 1965 – 2010, de un calentamiento gradual ni uniforme, ya que
demuestran que la cuenca, como parte de la se puede observar que en algunos puntos de la
región andina, está experimentando indudables cuenca se han sucedido episodios de incremento
signos de calentamiento, habiéndose estimado y disminución, asociadas generalmente a los ciclos
en promedio una tasa de calentamiento del orden cálido y frío del ENOS (Figura 1).
Figura 1 Distribución temporal de las temperaturas del aire máxima (izquierda) y mínima (derecha) anual (1965-2010)
en las estaciones Huayao y Marcapomacocha. El mejor ajuste de las tendencias lineales es indicado por las líneas rojas.
Fuente: SENAMHI (2011).
La tendencia de la precipitación en la cuenca no muestran tendencias de incremento del orden de

muestra un comportamiento tan definido como +10 a +39 mm/década.
la temperatura del aire, debido a la compleja
distribución espacial que exhiben las lluvias en Desde la década de los noventa se observa un
la región andina así como su elevada variabilidad predominio de periodos secos en la cuenca. Un reciente
temporal. Sin embargo, predomina un patrón de episodio de deficiencias de lluvia afectó a toda la cuenca
disminución de lluvias a lo largo de la cuenca, con entre el 2007 y 2008, con ribetes de severo a extremo en
reducciones muy marcadas en la estación San Juan la parte central y norte, y apenas deficiente en el sector
de Jarpa (suroeste del valle del Mantaro) del orden sur. En el periodo 2001 – 2010, el comportamiento de las
de -51 mm/década, Marcapomacocha (norte de la lluvias confirman las tendencias observadas entre 1965-
cuenca) con -31 mm/década y Acobamba (sur de 2010; regiones como el valle o las partes altas del sector
la cuenca) con -39 mm/década (Figura 2). Estas norte de la cuenca han experimentado importantes
tendencias van acompañadas con la disminución reducciones, incluso la estación Huancalpi que venía
de la intensidad de las lluvias e incremento del presentando tendencia positiva (+39 mm/década)
número de días secos consecutivos. Excepciones muestra anomalías de hasta -15% de diminución en esta
como Huancalpi, Carhuacayán y Chilicocha última década.

Figura2 Distribución temporal de la precipitación total anual (1965-2010) en mm de las estaciones Huayao y
Marcapomacocha. El mejor ajuste de la tendencia lineal es indicado por las líneas rojas. Fuente: SENAMHI (2011).

Capítulo 3.
MODELOS CLIMÁTICOS Y ESCENARIOS DE EMISIONES
Construcción de escenarios en la cuenca del río Mantaro
3.1 Modelos y escenarios de emisiones de GEI y aerosoles en el mundo. El marco general

de estos escenarios de emisiones lo proporciona
Para conocer los posibles impactos del cambio el Informe Especial sobre los Escenarios de
climático en la región andina es necesario tener Emisiones - IE-EE (SRES, por sus siglas en inglés)
información detallada de las proyecciones del del IPCC (Nakicenovik et al., 2000).Los escenarios
clima futuro a una escala regional, y donde sea de emisiones constan de cuatro líneas evolutivas
posible, a menor escala, con la finalidad de poder de emisiones, con la etiqueta A1, A2, B1 y B2 y
realizar los análisis de riesgos y vulnerabilidad combinaciones, que describen las relaciones entre
local correspondientes. las fuerzas motrices y las emisiones de GEI y
aerosoles, y su evolución durante el siglo XXI en
El IPCC distingue tres tipos de escenarios grandes regiones del mundo (Figura 3).
climáticos: escenarios incrementales o sintéticos,
escenarios análogos y escenarios basados en los Cada línea histórica representa diferentes
Modelos Climáticos Globales (MCG), cada uno de desarrollos demográficos, sociales, económicos,
ellos con ventajas y limitaciones (TGICA-IPCC, tecnológicos y ambientales que divergen en
2007); sin embargo, son los escenarios basados formas cada vez más irreversibles (IPCC, 2007a).
en los modelos climáticos los que en la actualidad En suma, los escenarios de emisiones se basan
están experimentando un mayor desarrollo en pautas de desarrollo diferenciado de la
debido a que incorporan los forzamientos de las sociedad humana en el futuro que podría influir en
emisiones de Gases de Efecto Invernadero (GEI) potenciales niveles de emisiones futuras; a su vez,
en el sistema climático. dichos escenarios han sido utilizados para evaluar
los posibles cambios en el clima a través del uso
Los modelos climáticos vienen a ser representaciones de los MCG.
numéricas que explican la evolución del sistema
climático1 en el tiempo y se basan en ecuaciones tEn el año 2010 el IPCC ha definido una nueva
fundamentales para simular sus características familia de escenarios: las Rutas de Concentraciones
físicas, químicas y biológicas, pero además las Representativas o Representative Concentration
interacciones y feedbacks de sus componentes, en Pathways (RCP, por sus siglas en inglés) (Mosset
una grilla geográfica global (IPCC, 2007a). Con el al., 2010). Estos RCP comprenden escenarios
tiempo, estos modelos se han ido perfeccionando de mitigación y no-mitigación, y constituyen la
y complejizando, habiendo evolucionado en los base del nuevo trabajo de modelización que se
últimos años hasta los Modelos de Circulación está llevando a cabo para el Quinto Informe de
General Acoplados Atmósfera/Océano/Hielo- Evaluación del IPCC.
marino (MCGAOA), que proporcionan una de
las más completas representaciones del sistema Los escenarios desarrollados en el PRAA para la
climático actualmente disponibles. cuenca del río Mantaro se basan en el escenario
de emisiones A1B de la familia evolutiva A1 del IE-
Para la proyección del clima de largo plazo, los EE del IPCC, el cual describe un mundo futuro con
MCG requieren información de Gases de Efecto un rápido crecimiento económico, con tecnologías
Invernadero (GEI) y aerosoles futuros, información nuevas y más eficientes, y la convergencia
que es generada por modelos socio-económicos entre las regiones. El escenario A1B adopta un
para explorar la posible evolución de las emisiones equilibrio2 entre todas las fuentes de energía
1. En estas regiones, por efecto de los vientos fuertes la precipitación registrada en el pluviómetro tiende a ser subestimada,
según mediciones de campo de los especialistas del SENAMHI-Perú.
2. El término “equilibrio” indica que no se dependerá excesivamente de un tipo de fuente de energía, en el supuesto de que todas
las fuentes de suministro de energía y todas las tecnologías de uso final experimenten mejoras similares.

Figura 3 Estructura de las cuatro líneas evolutivas con sus respectivos conjuntos de familias de escenarios de emisiones, según
el Informe Especial sobre Escenarios de Emisiones, IE-EE (después de Nakicenovic et al., 2000).Fuente: IPCC (2007a).
(fósil y renovable) para el cambio tecnológico en (MCR) con un MCG. Los MCR de área limitada,
el sistema energético (IPCC, 2007). Este escenario proveen información más realista de la topografía
ha sido ampliamente utilizado en los últimos y la geografía y, por tanto, potencialmente las
estudios regionales europeos de modelización del características de eventos menor escala tales como
clima (Christensen et al., 2011)3. eventos de precipitación extrema, tormentas de
nieve, entre otros (Christensen et al., 2007); ambos
3.2 Escenarios climáticos regionales: La tipos de modelos se basan en leyes y procesos
necesidad del downscaling físicos, pero los MCG representan descripciones
de la atmósfera-océano- hielo marino en una
Considerando que el cambio climático es global cuadricula horizontal con una distancia típica entre
por naturaleza, el punto de partida para la 150 km y 300 km (Meehl et al., 2007), mientras
evaluación de sus impactos son los MCG. Sin que en los MCR la atmósfera es representada en
embargo, la evaluación de los impactos del cambio una cuadrícula de mayor resolución (entre 20 km
climático exige datos sobre el clima con una mayor y 50 km).
resolución espacial de lo que pueden proporcionar
los MCG, p.ej. para valorar los impactos Sin embargo, la modelización dinámica del
económicos de eventos hidrometeorológicos clima regional requiere de intensivos recursos
extremos en el ámbito de una cuenca, se requiere (computacionales y personal especializado) que
información espacial más detallada. Si bien existen no todos los países disponen, ante lo cual en
algunos enfoques para esta reducción de escala años recientes algunos centros mundiales de
(downscaling), una de las técnicas más utilizada investigación del clima han implementado técnicas
para obtener información más detallada es a para obtener mayor resolución de los MCG para
través de la regionalización dinámica para lo cual periodos de tiempo definidos o “time-slice” (Cubash
es necesario forzar4 al Modelo Climático Regional et al., 1995; Bengtsson et al., 1996; IPCC, 2001;
3. El escenario A1B refleja una trayectoria de emisiones medio-alto y conduce a una gama de incrementos de rango medio de la
temperatura media global en comparación con los escenarios de emisiones extremos A2 y B1; es decir, el cambio de la temperatura
media global sería del orden de 3,4 °C para el año 2100 (IPCC, 2007a) en relación con los niveles preindustriales, o 2,8 °C para el
2090-2099 en comparación al periodo de referencia 1980-1999. Sin embargo, estas estimaciones centrales están delimitadas por
un intervalo de incertidumbre de tamaño considerable. La mejor estimación de 2,8 °C (para 2080-2099, en relación a 1980-1999)
se encuentra con un “probable” rango de 1,7 °C a 4,4 °C (según lo informado por el IPCC, 2007a).
4. Los MCR requieren condiciones de contorno de los MCG y están, por tanto, limitados por la capacidad de los MCG para simular
de forma fiable la circulación a gran escala.

Noda et al., 2006). En comparación con los MCR, los patrones de circulación a gran escala y de las
estos modelos globales de muy alta resolución variables climáticas (ciclo diurno, ciclo anual, ciclo
tienen la ventaja de poder evitar problemas con estacional, etc.). Un “skill” pobre en la simulación
las condiciones de contorno, y además pueden del clima actual indicará que ciertos procesos
incorporar las interacciones entre la escala global físicos o dinámicos del modelo son deficientes y
y escala regional en forma explícita (Mizuta et al., es, en teoría, un modelo potencialmente limitado
2006). para representar plausiblemente el clima futuro.
Otro método de regionalización es el llamado En el presente estudio la construcción de escenarios

downscaling estadístico el cual se basa en la regionales se inicia con la evaluación de los MCG
determinación de regresiones estadísticas entre del AR4 del IPCC, para el periodo de referencia
las variables promedio de gran escala en la 1971-2000 (Tabla 1). De los veinticuatro modelos
grilla del MCG y las observaciones puntuales. La disponibles por el IPCC, por razones operacionales
desventaja de este método es que se asume que solamente pudieron ser evaluados ocho modelos,
estas relaciones no cambiarán en el contexto del además del modelo japonés de alta resolución
cambio climático. (Acuña et al., 2011).
3.3 Escenarios regionales en la cuenca del Marengo (2007) analizó cinco modelos del IPCC
Mantaro: Metodología (TAR5) para Sudamérica y encontró que los modelos
GFDL, CCCMA y CCSNIER tenían dificultades para
3.3.1 Evaluación de los modelos simular la banda nubosa asociada a la ZCAS,
climáticos mas no así el modelo HadCM3. Vera et al. (2006)
evaluaron seis modelos acoplados del IPCC (AR46)
Si bien los MCG han sido mejorados en los últimos e identificaron características ya encontradas en
años, aun existen deficiencias que es necesario los modelos del IPCC TAR. Bombardi y Carvalho
diagnosticar, para lo cual resulta importante (2007) encontraron que la variabilidad del Monson
y necesario hacer una evaluar tan exhaustiva sudamericano es bien representada por el modelo
como sea posible antes de su utilización en la MIROC, para el periodo 1981-2000. Un punto
estimación de la evolución del clima futuro. interesante, y que es documentado por varios
Aunque la validación del clima futuro no es autores (Grimm et al., 2006; Guilyardi, 2009, entre
posible, siempre se puede aumentar la confianza otros) se refiere al hecho de que los MCG acoplados
en un determinado modelo cuando éste ha sido tienen dificultad en representar adecuadamente
evaluado en determinados periodos históricos los principales modos de variabilidad de baja
de registro instrumental. Los modelos climáticos frecuencia del sistema océano-atmósfera tales
serán fidedignos sólo en la medida en que sean como las oscilaciones decadales y multi-decadales
capaces de proporcionar simulaciones realistas de (Valverde y Marengo, 2010).
Tabla 1 Outline de los MCGAOA del AR4 del IPCC
* El modelo TL959L60 MRI/JMA no forma parte del AR4 del IPCC.
5. Third Assessment Report – Tercer Informe de Evaluación

6. Fourth Assessment Report – Cuarto Informe de Evaluación

Si los escenarios futuros del clima basados en este sistema es mejor representado sólo por los
los MCG muestran cambios de la precipitación y modelos MIROC3.2 y HadCM3. En verano, la AB
temperatura del aire, esto se debe en gran medida (Lenters y Cook, 1997) es bien representada por
a cambios de los patrones de circulación que los modelos CGCM3, ECHAM5, CCSM3 y HadCM3,
modulan del clima regional, en consecuencia es en su posición y configuración. En general,
importante hacer una evaluación objetiva de la los modelos presentan bien los campos de
dinámica de los modelos en el periodo de referencia temperatura del aire, altura geopotencial en 200
o clima actual para un mejor entendimiento de los hPa y la TSM (anomalías de correlaciones bajas
mecanismos físicos responsables de la generación y menores RMSE), siendo los mejores modelos el
de estas anomalías. HadCM3, ECHAM5 y CCSM3.
En el presente informe presentamos de manera Adicionalmente se ha evaluado la performance
resumida los resultados de la evaluación de ocho del modelo atmosférico global japonés de alta
modelos del IPCC AR4 realizado por el SENAMHI- resolución (20 km) a través del Diagrama de
Tabla 2. Variables evaluadas de los MCG del AR4 del IPCC versus los Reanalysis (adaptado de Tabla 12 en Acuña et al., 2011)
Perú (Acuña et al., 2011), con la intención de mostrar Taylor7 (Taylor, 2001) para la variable precipitación
la performance de estos MCG en la representación y los estadísticos utilizados fueron coeficiente de
de los patrones de circulación de mesoescala, dado correlación y la desviación estándar normalizada
que cinco de ellos fueron utilizados para generar (Avalos, et al., 2011). [En este informe se
los escenarios regionales en la cuenca del río muestra sólo el periodo lluvioso diciembre, enero
Mantaro. Se utilizó información de los Reanalysis y febrero (DEF) y periodo seco junio, julio y agosto
NCEP/NCAR (Kalnay et al., 1996) como referencia. (JJA)]. Con la intención de conocer el efecto de
El Reanalysis ERA-40 (Uppala et al., 2005) fue la resolución en la simulación de las lluvias, se
utilizado a partir de los resultados de la evaluación incluyó además otros modelos globales de baja
anterior, para la validación de los modelos que resolución del MRI/JMA (Figura 4).
representan mejor la circulación sudamericana
en años El Niño, los que posteriormente fueron Por las características del Diagrama de Taylor
utilizados para la regionalización (Tabla 2). La puede decirse que el modelo que presenta
métrica utilizada se basa en los estadísticos: raíz mejores estadísticos comparativos y en ambos
cuadrada del error cuadrático medio (RMSE) y la periodos es el de mayor resolución SP0A-20 km
correlación de anomalías asociada a un nivel de (TL959L60 MRI/JMA). Finalmente, en la Figura 5
significancia de 0,05 (Acuña et al., 2011). se muestra las correlaciones de las temperaturas
del aire extremas simuladas por el mismo modelo
De esta evaluación de MCG se determinó que los de alta resolución en diferentes puntos de la región
modelos que representan mejor la estacionalidad centro-sur andina del Perú.
del APS son ECHAM5 y CCSM3 (bias +/- 1
hPa), mientras que casi todos los modelos 3.3.2 Downscaling dinámico
tienen limitaciones en la representación de la
magnitud del AAS (bias +/- 9 hPa). En cuanto a Ya se había mencionado que los MCG por su baja
la estacionalidad de la ZCIT, los modelos BCM2, resolución horizontal (entre 100 - 300 km) sólo
MK3.0, CM2.1, MIROC3.2 y HadCM3 representan pueden dar aproximaciones de cómo los cambios
mejor este sistema sobre continente y sobre el pueden manifestarse a gran escala. Sin embargo,
Atlántico en verano; mientras que sobre el Pacífico, para conocer cuáles serían los impactos del cambio
3. El Diagrama de Taylor tiene la particularidad de agrupar en un sólo gráfico varios estadísticos.

Figura 4 Diagramas de Taylor para el territorio nacional durante el periodo lluvioso DEF (izquierda) y periodo seco JJA
(derecha), considerando versiones del modelo japonés en diferentes resoluciones. Leyenda: GPCP: Global Precipitation
Climatology Project (http://www.ncdc.noaa.gov/oa/wmo/wdcamet-ncdc.html); CMAP: Climate Prediction Center (CPC)
Merged Analysis of Precipitation (ftp://ftpprd.ncep.noaa.gov/pub/precip/cmap); SPOA (time-slice 20 km), HPOA (times-
slice 60 km), MPOC (mediano plazo 120 km), LPOA (largo plazo 180 km).
Figura 5 Correlaciones entre la temperatura máxima (izquierda) y temperatura mínima (derecha) observada versus
modelo japonés de alta resolución TL959L60 MRI/JMA en diferentes localidades de la región andina centro-sur del Perú.

Figura 6 El modelo climático regional (WRF3.2) de alta resolución está “anidado” al modelo climático global ECHAM5-
OM, utilizando las condiciones de contorno de este modelo. Fuente: SENAMHI- Perú (Saavedra M.)

Tabla 3 Outline del modelo WRF.
climático a nivel regional y local, se debe tener acuerdo al modelo global de referencia, se realizaron
acceso a información más detallada. Una forma de las simulaciones del clima en dos dominios: Dominio
hacerlo es mediante el aumento de la resolución 1 (Sudamérica con 60 Km de resolución espacial) y
espacial de los MCG en el área de interés. La Dominio 2 (Perú con 20 Km de resolución espacial).
mayor resolución espacial proporciona una La configuración se detalla en la Tabla 3 (Acuña, et
representación más realista de las características al., 2011).
regionales como la topografía, vegetación y los
procesos atmosféricos de pequeña escala. Por lo El primer time-slice considera inherente la
tanto, un modelo climático regional (MCR) debe evolución observada del contenido global de
ser más eficiente en la representación del clima de CO2 y de aerosoles sulfato, y el segundo time-
un país que un modelo global. slice considera la evolución correspondiente a los
escenarios de emisiones antropogénicas en el
La técnica del downscaling o regionalización contexto del escenario de emisiones A1B del IE-EE
dinámica impone forzar al modelo regional de área del IPCC (Nakicenovic y Swart, 2000).
limitada con un modelo global, es decir, el modelo
regional requiere de las condiciones de contorno 3.3.3 Downscaling estadístico
del modelo global para iniciar la integración de
largo plazo en una determinada región8. El downscaling o regionalización estadística se
basa en que el clima regional es condicionado por
Para fines de este proyecto, se hicieron los arreglos dos factores: el estado del clima a gran escala
necesarios para generar el conjunto de condiciones y las características fisiográficas locales (p.ej.
de contorno del modelo global ECHAM5-OM de distribución mar-tierra, uso del suelo, tipo de
quinta generación desarrollado por el Instituto vegetación, entre otros). Desde esta perspectiva
de Meteorología Max Planck de Alemania para la información del clima actual local o regional se
la ejecución del modelo regional WRF (Weather deriva de la relación estadística entre las variables
Research and Forecast) versión 3.2 para dos time- de gran escala o predictores, con las variables
slice: 1971-2000 (clima actual o periodo de control) locales de superficie o predictandos (Wilby et al.,
y 2016-2044 (futuro cercano) con promedios 2004). En este contexto, los escenarios futuros del
centrados al 2030 (Hulme y Lu, 2000). El modelo clima local se construyen aplicando esas relaciones
WRF9 es, junto con el modelo Eta-SENAMHI, un a los campos de gran escala generados por los
modelo para pronóstico del tiempo operacional MCG’s (Goodes et al., 2007).
y fue implementado en el SENAMHI en el 2008,
presentando una buena performance en la predicción Todos los esquemas de regionalización estadística
de lluvias10, así como resultados satisfactorios en se basan en relaciones empíricas entre predictores
el análisis sinóptico de escala diaria. En el 2010 se y predictandos, sólo que estos métodos difieren
implementó la versión 3.2 para la proyección del en la forma de calcular la función matemática
clima de largo plazo, y después de realizar algunas de transferencia11 y en el proceso de ajuste
modificaciones que permitieran que el CO2 varíe de estadístico. En el presente estudio, la técnica de
8. La técnica de regionalización dinámica añade fuentes de incertidumbre adicionales propias del forzamiento de un MCR por un
MCGAOA (p. ej. condiciones iniciales y de frontera, parametrizaciones en la subgrilla, etc.), y algunas incertidumbres específicas
propias de la simulación a escala regional como: La incertidumbre en el forzamiento radiativo asociada a la distribución espacio-
temporal de aerosoles que tiene una relevancia especial a escala regional debido a la heterogeneidad del forzamiento y la
respuesta local (Brunet et al., 2009).
9. El Modelo Regional WRF, es un modelo de mesoescala no hidrostático, aplicado tanto en pronóstico operativo como en
investigación, presenta 18 niveles verticales en la estructura vertical de la atmósfera, fue construido por esfuerzo conjunto de
la National Center for Atmospheric Research (NCAR), National Center for Environmental Prediction (NCEP), Forecast System
Laboratory (FSL), Air Force Weather Agency (AFWA), Naval Research Laboratory, University of Oklahoma y la Federal Aviation
Administration (FAA). En http://www.mmm.ucar.edu/wrf/users/docs/user_guide_V3/users_guide_chap5.htm.
10. El WRF fue sometido a la validación de sus esquemas de convección con los Reanalysis NCEP/NCAR para determinar la mejor
parametrización de las lluvias (Acuña et al., 2011).
11. Las funciones de transferencia son relaciones estadísticas entre las variables de gran escala (predictores) y las variables locales
(predictandos). La función de transferencia debe explicar un alto porcentaje de la varianza del clima en el sitio de interés.

estaciones representativas de la cuenca con series
Figura 7 La reducción de escala por el método estadístico se realizó a partir de la TSM proyectada por tres MCG (predictor)
para la estimación de las variables locales precipitación y temperatura del aire (predictandos) en cinco localidades de la cuenca.
downscaling estadístico se basa en las relaciones

empíricas espaciales entre la TSM (predictor) y las históricas extensas (1965-2010). Tabla 4.
variables de precipitación y temperaturas del aire
extremas en seis puntos de la cuenca del Mantaro Como en todo método estadístico empírico, la
(predictandos). Las funciones de transferencia obtención de proyecciones climáticas futuras
fueron calculadas a partir de técnicas estadísticas conlleva a la “aceptación” de que el modelo
multivariadas como el Análisis de Correlación paramétrico ajustado tenga validez bajo
Canónica (CCA, siglas en inglés) y el Análisis de condiciones futuras de cambio climático (Brunet
Componentes Principales (PCA, siglas en inglés), et al., 2009); es decir, que las relaciones entre
para lo cual se hizo uso del Climate Predictability las variables de gran escala y las variables locales
Tool (CPT), herramienta estadística desarrollada en el clima actual se mantendrían en el futuro;
por el International Research Institute for Climate pero además subyace el problema del “overfitting”
and Society – IRI12 de los Estados Unidos de o sobre-ajuste en algunas de las relaciones
Norteamérica (CCA-UNAM, 2008). Figura 7. empíricas.
La información de TSM proviene de tres mejores 3.3.4 Construcción de escenarios

MCG acoplados HadCM3 (Reino Unido), ECHAM5- climáticos locales
OM (Alemania) y CCSM3 (USA), modelos que
fueron evaluados previamente (ver sección 3.3.1). En la actualidad es usual considerar, en la medida
Se estimaron las proyecciones y cambios de la de lo posible, una amplia gama de modelos de
precipitación y temperatura para la media centrada simulación conocida como conjuntos o ensambles,
en el 2030 (a partir del periodo 2016-2044) relativo para obtener información sobre las incertidumbres
al período de referencia 1971-2000, en aquellas del clima futuro. Trabajar con el mayor abanico de
Tabla 4 Estaciones meteorológicas convencionales en la cuenca del río Mantaro con series históricas extensas (1965-2010).
12. (http://iri.columbia.edu)

posibilidades permitirá una mejor cuantificación de Los resultados son mapeados mediante una
la incertidumbre. adecuada combinación de métodos de regresión
múltiple y geoestadísticos con soporte del Sistema
El proyecto PRAA ha utilizado una combinación de Información Geográfica lográndose obtener
de MCG y MCR, para lo cual se ha hecho mapas de alta resolución espacial (100 m) para
una selección de los modelos del IPCC (Ver el caso de escenarios de temperaturas máximas
sección 3.3.1), implementándose técnicas de y mínimas del aire. Para el caso de los mapas de
regionalización dinámica y estadística, en el escenarios de precipitación, éstos se han trazado
escenario de emisiones A1B. Las proyecciones del considerando el relieve, sin embargo subyace
clima futuro disponibles en la cuenca se basan la incertidumbre sobre el probable cambio de la
en la media de dos modelos dinámicos de 20 Km circulación local en el futuro, por lo que estos
de resolución espacial, y en algunos puntos de la mapas son “referenciales”, siendo su resolución
cuenca, éstos han sido complementados con los espacial menor en relación a la temperatura. En
resultados de tres experimentos de downscaling cuanto a los cambios, éstos fueron interpolados
estadístico (zonas de menor incertidumbre). espacialmente con el método de splines, que a
Los cambios promedios anuales y estacionales diferencia de los métodos de inversa a la distancia
en la precipitación y temperaturas del aire son y Kriging, no genera ruido en la interpolación
expresados en términos porcentuales (%) y (aparición de núcleos ficticios), más bien suaviza
en grados (°C) respectivamente, en relación al el trazado.
periodo de referencia 1971-2000.

Capítulo 4.
PROYECCIONES DEL CLIMA EN LA CUENCA DEL
MANTARO
Temperatura del aire y precipitación al año 2030
En esta sección se presentan los resultados de los de la precipitación en la región andina tropical
cambios estacionales y anuales de la precipitación (SENAMHI, 2011). La tonalidad verde de la escala
y las temperaturas máxima y mínima del aire en indica incrementos, mientras que la escala en
la cuenca del río Mantaro, proyectados para el naranja indica reducciones (Figura 8).
time-slice 2020-2039 con promedios centrados
en el año 2030, con referencia al periodo 1971-
2000. Los escenarios climáticos se basan en dos La Figura 8(a-e) resume los cambios estacionales
modelos climáticos de escala regional (20 km y cambio anual de la precipitación en la cuenca
de resolución horizontal) para el escenario de del río Mantaro. Se observa un patrón definido
emisiones A1B. Estos resultados se complementan de aumento al final del periodo lluvioso (otoño) y
con los tres experimentos de reducción de escala reducción durante el periodo de estiaje (invierno);
regional por el método estadístico para el mismo sin embargo, espacialmente estos patrones de
escenario de emisiones, con la finalidad de ilustrar cambio no son uniformes dado que es la parte alta y
los resultados en una mayor resolución espacial y media de la cuenca la que presentaría los mayores
para evaluar la incertidumbre en cinco localidades cambios. En el otoño los incrementos serían del
claves de la cuenca. orden de +15% a +30% principalmente en el
sector sureste de la cuenca, en las proximidades
4.1 Proyecciones de la precipitación de las localidades de Pampas, Huanta, Churcampa
y Ayacucho; mientras que en invierno se destaca
En general, la precipitación es una variable no el predominio de zonas con reducción de la
muy bien simulada como la temperatura debido a precipitación de hasta -30% principalmente en la
que involucra procesos locales muy complejos, en parte alta occidental de la cuenca, y aunque estas
consecuencia, las proyecciones de la precipitación reducciones puedan no ser significativas en esta
son menos robustas que las de la temperatura del temporada del año por las reducidas cantidades de
aire (Christensen et al., 2011). En este contexto, precipitación (en términos absolutos), es posible
la información proveniente de los modelos que sí afecte al proceso de recarga estacional
climáticos regionales, potencialmente deberían de los glaciares. Entre la primavera (inicio del
proveer información con más detalle espacial periodo de lluvias) y verano (periodo lluvioso),
del comportamiento local de esta variable; sin los cambios estarían dentro de su variabilidad
embargo, la geodiversidad de la región andina (+/- 15%) aunque con un sesgo al incremento
es un factor limitante para dicho propósito, por hacia el sur de la cuenca en verano. Finalmente, la
lo que los resultados que a continuación se precipitación anual media presentaría cambios del
presentan deben ser tomados en el marco de orden de +/- 15%; las reducciones (0 a -15%) se
estas consideraciones. concentrarían en el valle, sector noroccidental y en
las proximidades de Lircay y Acobamba, mientras
La discusión se restringe al cambio relativo que los incrementos (0 a +15%) se presentarían
promedio de la precipitación estacional y anual para en el resto de la cuenca con incrementos de hasta
el año 2030, expresado en términos porcentuales +30% hacia el sur (Ayacucho), de acuerdo a la
(%). Se ha considerado que los cambios dentro del media de los cinco modelos (ensamble multi-
intervalo +/-15% están dentro de la variabilidad modelo).

Figura 8a Cambio relativo de la precipitación (%) en VERANO (diciembre-enero-febrero, DEF) en la cuenca del río
Mantaro proyectado para el año 2030 en relación al periodo de referencia 1971-2000, para el escenario de emisiones A1B.
Figura 8b Cambio relativo de la precipitación (%) en OTOÑO (marzo-abril-mayo, MAM) en la cuenca del río Mantaro
proyectado para el año 2030 en relación al periodo de referencia 1971-2000, para el escenario de emisiones A1B.
Figura 8c Cambio relativo de la precipitación (%) en INVIERNO (junio-julio-agosto, JJA) en la cuenca del río Mantaro proyectado
para el time-slice centrado en el año 2030, en relación al periodo de referencia 1971-2000, para el escenario de emisiones A1B.
Figura 8d Cambio relativo de la precipitación (%) en PRIMAVERA (setiembre-octubre-noviembre, SON) en la cuenca del
río Mantaro proyectado para el time-slice centrado en el año 2030, en relación al periodo de referencia 1971-2000, para
el escenario de emisiones A1B.
Figura 8e Cambio relativo de la precipitación (%) ANUAL en la cuenca del río Mantaro proyectado para el time-slice
centrado en el año 2030, en relación al periodo de referencia 1971-2000, para el escenario de emisiones A1B.
En la Figura 9 se observa el cambio medio de la °C). En cuanto a la temperatura mínima (Figura
precipitación anual y estacional en algunos puntos 11a-e), el mayor incremento se daría en otoño y
de la cuenca, expresado en porcentajes (%). Debe primavera del orden de +1,2 °C, principalmente
entenderse que la capacidad de cada modelo de en la región sur de la cuenca.
representar bien algunas características del clima
actual está en función de las metodologías y de En toda la cuenca, la temperatura mínima tiende
sus características internas o estado de desarrollo, a incrementarse algo más que la temperatura
de modo que es esperable que las respectivas máxima, aproximadamente entre 0,2 °C y 0,4
simulaciones de un clima modificado por una °C más. Puede deducirse entonces que hacia
nueva composición de la atmósfera difieran, tal el 2030 el rango térmico (diferencia entre la
como puede verse en la Figura 9. Se observa temperatura máxima y mínima) se acorte, siendo
una mayor dispersión de los puntos en el otoño menor en invierno y mayor en otoño y primavera,
y primavera, al mismo tiempo, la mayoría de principalmente en zona sur de la cuenca.
los modelos parecen coincidir en reducciones
de las precipitaciones de verano y anuales en En las Figuras 12 y 13 se observa el sesgo
Marcapomacocha (sector noroccidental). de los cambios térmicos proyectados por los
modelos en las estaciones de Marcapomacocha,
4.2 Proyecciones de temperaturas del aire Huayao, Pilchaca y Lircay, que van desde -0,2
°C hasta +1,3 °C en la temperatura máxima y
A diferencia de las precipitaciones, los patrones desde +0,2 °C hasta +1,3 °C en la mínima. Los
de cambio de las temperaturas extremas del modelos regionalizados estadísticamente tienden
aire anuales son más claros, homogéneos y a proyectar cambios moderados (aprox. +0,7 °C)
progresivos; es decir, los resultados muestran un en comparación a los modelos dinámicos (aprox.
patrón de calentamiento en toda la cuenca de +1 °C). En el caso de la temperatura máxima, es
alrededor +0,8 °C (temperatura máxima) y +1 °C notable la discrepancia de modelos principalmente
(temperatura mínima) en promedio, en relación al en primavera en la estación Lircay (sur de la
periodo de referencia 1971-2000. cuenca); mientras las proyecciones estadísticas
dan cuenta de cambios negativos (-0,3 °C), los
Estacionalmente, se mantiene el patrón anual modelos dinámicos proyectan cambios positivos
aunque no todas las regiones de la cuenca de hasta +1,1 °C, evidentemente las proyecciones
experimentarían el mismo grado de calentamiento. estadísticas están influenciadas por la señal de
Para la temperatura máxima (Figura 10a-e), el la tendencia histórica observada en los últimos
cambio sería más notable (+1 °C) en invierno (en 45 años, la cual indica que la temperatura
gran parte de la cuenca) y en primavera (franja máxima en la estación Lircay viene presentando
occidental), mientras que el resto de la cuenca tendencias negativas. El promedio multi-modelo
experimentaría incrementos entre +0,4 °C y da como resultado cambios de +0,4 °C. En tanto
+0,8°C. Entre verano y otoño (de diciembre a la dispersión de los cambios de la temperatura
mayo), la cuenca en general experimentaría un mínima es menor, particularmente en verano y en
calentamiento entre +0,6 °C y +0,8 °C; cambios la estación de Marcapomacocha.
más discretos se presentarían en Lircay (+0,4

Figura 9 Cambios estimados de la precipitación anual y estacional (%) en la cuenca del río Mantaro para el time-slice centrado
en el año 2030, relativo al periodo de referencia 1971-2000. Los modelos regionalizados son CCSM3, HadCM3, ECHAM5-OM,
y ECHAM5/WRF y el modelo global de alta resolución TL959L60 MRI/JMA, para el escenario de emisiones A1B. Se muestra el
ensamble multi-modelo – EMM (círculos en negro cerrados) y los rangos de variación (círculos en azul abiertos).

Figura 10a Cambios de la temperatura máxima del aire (°C) en VERANO (diciembre-enero-febrero, DEF) en la cuenca del
río Mantaro proyectados para el año 2030 en relación al periodo de referencia 1971-2000, para el escenario de emisiones A1B.
Figura 10b Cambios de la temperatura máxima del aire (°C) en OTOÑO (marzo-abril-mayo, MAM) en la cuenca del río
Mantaro proyectados para el año 2030 en relación al periodo de referencia 1971-2000, para el escenario de emisiones A1B.
Figura 10c Cambios de la temperatura máxima del aire (°C) en INVIERNO (junio-julio-agosto, JJA) en la cuenca del río
Figura 10d Cambios de la temperatura máxima del aire (°C) en PRIMAVERA (setiembre-octubre-noviembre, SON) en la
cuenca del río Mantaro proyectados para el año 2030 en relación al periodo de referencia 1971-2000, para el escenario
de emisiones A1B.
Figura 10e Cambios de la temperatura máxima del aire (°C) ANUAL en la cuenca del río Mantaro proyectados para el
año 2030 en relación al periodo de referencia 1971-2000, para el escenario de emisiones A1B.
Figura 11a Cambios de la temperatura mínima del aire (°C) en VERANO (diciembre-enero-febrero, DEF) en la cuenca del río
Figura 11b Cambios de la temperatura mínima del aire (°C) en OTOÑO (marzo-abril-mayo, MAM) en la cuenca del río Mantaro
proyectados para el año 2030 en relación al periodo de referencia 1971-2000, para el escenario de emisiones A1B.
Figura 11c Cambios de la temperatura mínima del aire (°C) en INVIERNO (junio-julio-agosto, JJA) en la cuenca del río
Figura 11d Cambios de la temperatura mínima del aire (°C) en PRIMAVERA (setiembre-octubre-noviembre, SON) en la
cuenca del río Mantaro proyectados para el año 2030 en relación al periodo de referencia 1971-2000, para el escenario
de emisiones A1B.
Figura 11e Cambios de la temperatura mínima del aire (°C) ANUAL en la cuenca del río Mantaro proyectados para el año
2030 en relación al periodo de referencia 1971-2000, para el escenario de emisiones A1B.
Figura 12 Cambios estimados de la temperatura del aire máxima anual y estacional (°C) en la cuenca del río Mantaro
para el time-slice centrado en el año 2030, relativo al periodo de referencia 1971-2000. Los modelos regionalizados
son CCSM3, HadCM3, ECHAM5-OM, y ECHAM5/WRF y el modelo global de alta resolución TL959L60 MRI/JMA, para el
escenario de emisiones A1B. Se muestra el ensamble multi-modelo – EMM (círculos en negro cerrado) y los rangos de
variación (círculos en azul abiertos).

Figura 13 Cambios estimados de la temperatura del aire mínima anual y estacional (°C) en la cuenca del río Mantaro
para el time-slice centrado en el año 2030, relativo al periodo de referencia 1971-2000. Los modelos regionalizados
son CCSM3, HadCM3, ECHAM5-OM, y ECHAM5/WRF y el modelo global de alta resolución TL959L60 MRI/JMA, para el
escenario de emisiones A1B. Se muestra el ensamble multi-modelo – EMM (círculos en negro cerrados) y los rangos de
variación (círculos en azul abiertos).

Capítulo 5.
CUANTIFICACIÓN DE LA INCERTIDUMBRE
Preparándonos para un futuro incierto
Los escenarios de cambio climático son herramientas dado que el patrón de cambio tiene una alta
para evaluar el futuro comportamiento del clima, variación espacial y estacional, principalmente en
sistema que es inherentemente complejo e el otoño (finalización del periodo lluvioso) donde
impredecible, aun insuficientemente entendido el signo de cambio es bastante incierto (de -30%
y con un alto grado de incertidumbre. Estas a +30%).
incertidumbres pueden representar serias
dificultades para la toma de decisiones, sin Además de conocer la incertidumbre asociada a
embargo, el reto de los profesionales de la estas variables climáticas por separado, también
adaptación consiste en manejar la incertidumbre, es útil tener en cuenta la incertidumbre cuando se
no tanto en superarla (Kropp y Schoize, 2011). combinan, porque esto nos conduce a una mayor
gama de escenarios futuros. En la Figura 14 se
Las fuentes de “incertidumbre asociadas” presentan los cambios promedio proyectados
son principalmente debido: a. evolución de para el año 2030 en algunas estaciones14 de la
las emisiones de GEI y aerosoles, es decir, cuenca del Mantaro por cinco diferentes modelos
cada escenario de emisiones tiene diferente regionalizados, para el verano (de diciembre a
composición atmosférica e implica diferente febrero – DEF) e invierno (de junio a agosto – JJA).
forzamiento radiativo; b. la estructura interna del Cada punto representa diferentes proyecciones de
modelo o grado de complejidad para simular el los modelos y el promedio de éstos para un mismo
clima futuro, y c. interacciones internas del sistema escenario de emisiones para la temperatura15 (eje
climático, debido a su dinámica no-lineal. El IPCC vertical) y la precipitación (eje horizontal). Esta
(2007) recomienda representar la incertidumbre figura muestra que la incertidumbre local tanto
cuantitativamente mediante intervalo de valores en dirección como en la magnitud del cambio
calculados por diferentes modelos, diferentes es grande, particularmente para la precipitación
escenarios de emisiones, diferentes técnicas en invierno, p. ej. en localidades como
de regionalización o diferentes miembros Marcapomacocha, Huayao y Lircay, en donde
“ensemble”. El reconocimiento de la existencia de algunos modelos proyectan cambios dentro de su
las incertidumbres en las proyecciones climáticas variabilidad climática (+/-15%) y otros modelos
no elimina su utilidad. La incertidumbre no es proyectan escenarios de reducción de lluvias de
lo mismo que ignorancia, y los tomadores de hasta -30%. Si por un lado el potencial de cambio
decisiones deberán aprender a administrar la de la precipitación es de mayor magnitud en
información para administrar el aprendizaje (Kropp invierno, en el verano los cambios proyectados
y Schoize, 2011). estarían dentro de sus patrones normales, excepto
en Marcapomacocha donde predomina un patrón
Como se observó en la sección anterior, existen de reducción, incluso más allá de -20%.
importantes diferencias en los resultados de las
proyecciones de precipitación y temperaturas del Para una mejor ilustración del tamaño del potencial
aire por los diferentes modelos o técnicas utilizadas. de cambio de la precipitación en invierno, el
A nivel de la cuenca, la señal de cambio es más ensamble medio de los modelos para la estación
robusta13 en el caso de la temperatura (aumento), Pilchaca da como resultado una reducción de -13
no obstante que los rangos pueden diferir. En el mm; sin embargo, los rangos máximos de variación
caso de la precipitación la incertidumbre es mayor, van de -30% (ECHAM5/Wrf) a +10% (HadCM3), y
13. La mayor robustez que se alude a la temperatura del aire, se basa en el hecho de que independientemente del modelo global
y de la técnica de regionalización, la dirección de cambio de esta variable (aumento) se mantiene. No siendo lo mismo para la
precipitación donde el rango de cambio es afectado parcialmente por la técnica de regionalización.
14. En este reporte se presenten sólo los resultados en cuatro localidades: Marcapomacocha, Huayao, Pilchaca y Lircay.
15. Se ha considerado graficar sólo la temperatura mínima por ser ésta la que presentaría un mayor cambio hacia el año 2030.

Figura 14 Cambios proyectados para cuatro localidades de la cuenca del río Mantaro en temperatura mínima (°C, eje
vertical) y precipitación (%, eje horizontal) para el time-slice centrado en el año 2030 respecto al periodo de referencia
1971-2000, para verano (de diciembre a febrero - DEF, en rojo) e invierno (de junio a agosto - JJA, en azul). Escenario
de emisiones A1B.
aun considerando el promedio de las proyecciones, la Finalmente, es importante tomar en cuenta el

señal de cambio es incierta toda vez que la tendencia hecho de que las incertidumbres difieren en
histórica observada es bastante débil (-1 mm/década). relación al espacio (regiones de mayor o menor
predictabilidad) y a las variables climáticas
El análisis de incertidumbre nos indica, en general, (cambios de la temperatura son más robustos
dos tipos de escenarios: en verano o temporada de que la precipitación). Comparar los modelos es
máximas lluvias, el escenario predominante sería una de las maneras de manejar este tipo de
cálido/seco en Marcapomacocha y Huayao; cálido/ incertidumbres y constituye una buena base
lluvia-normal en Lircay y Pilchaca; mientras que en para la evaluación del riesgo. Es importante
invierno los escenarios serían cálido/seco en Huayao, que los tomadores de decisiones aprendan a
Lircay y Pilchaca y escenario cálido/lluvia-normal en tomar decisiones en el marco de un escenario
Marcapomacocha. incierto.

Capítulo 6.
RECOMENDACIONES
La ciencia no ofrece pronósticos exactos del varios modelos regionales. Este informe no
futuro clima y nunca podrá hacerlo. Los modelos presenta un análisis riguroso basado en ensembles
continúan teniendo limitaciones significativas, de proyecciones por la limitación de recursos y
tales como en la representación que se hace de las tiempo. Sin embargo, se ha intentado mostrar los
nubes, así como en los detalles regionales del clima resultados de una variedad de modelos globales
actual. No obstante, en el transcurso de varias y de métodos de regionalización16, para mostrar
décadas de desarrollo, los modelos han brindado al tomador de decisiones por lo menos un rango
sistemáticamente una idea clara e inequívoca de variación de las proyecciones regionalizadas
del calentamiento significativo del clima como de cambio climático en algunas localidades de la
respuesta al incremento de los gases de efecto cuenca. En última instancia, la responsabilidad de
invernadero y han sido capaces de simular climas los tomadores de decisiones está en evaluar la
y cambios climáticos observados. incertidumbre asociada a los escenarios, juzgando
su magnitud y averiguando sus orígenes.
Aunque el cambio climático es de carácter global,
no se puede esperar que los cambios potenciales En el marco de la SCNCC el SENAMHI (2009)
sean globalmente uniformes; más bien, puede hizo hincapié en la necesidad de más y mejor
haber diferencias regionales dramáticas. En tal información climática en importantes zonas del
sentido, los Modelos Climáticos Globales (MCG) país, como p. ej. la parte alta (sector occidental)
no pueden representar explícitamente detalles y baja (sector oriental) de la cuenca del Mantaro,
regionales que caracterizan el clima de una región, por ello es necesario recopilar mayor cantidad de
a una escala que sea de utilidad para estudios de información, incluyendo la red de observación
impactos y evaluación de vulnerabilidad, debido y registro privada, que tengan registros con
a su aún baja resolución horizontal (aprox. 100 – períodos largos de información, verificar la
300 km); de allí la necesidad de regionalizar. Los calidad de ésta con la finalidad de complementar
Modelos Regionales de Clima (RCM), el downscaling el análisis desarrollado en el presente trabajo y
estadístico o modelos globales de alta resolución explicar de manera plausible las características
(p.ej. el modelo japonés TL959L60 MRI/JMA, 20 decadales y multidecadales que modulan el clima
km) son útiles para generar escenarios climáticos de largo plazo. En ese sentido, es importante
con una resolución espacial más alta para estudios fomentar la implementación de un mayor número
de impactos, siendo importante considerar los de estaciones que permitan, en el mediano plazo,
modelos globales que mejor representen el clima contar con series climáticas suficientes para cubrir
actual de gran escala. La recomendación útil es: la mayor parte de la cuenca. Esto ayudará a tener
combinación de downscaling dinámico y estadístico un conocimiento mayor y más claro del efecto de
para llegar a resoluciones aún mayores. estas oscilaciones en el clima actual y en los futuros
escenarios climáticos. Contar con más datos e
En el Capítulo 5 se han descrito algunas de información del clima permitiría evaluar y mejorar
las incertidumbres que afectan al proceso de el entendimiento de los procesos físicos climáticos
generación de proyecciones regionalizadas de e identificar los procesos de retroalimentación y,
cambio climático. Tal y como allí se ha escrito, principalmente, en un futuro cercano servir de base
algunas de ellas pueden explorarse mediante para determinar, mediante los modelos climáticos,
la utilización de varios escenarios de emisiones, la proporción de la variabilidad del clima de largo
varios modelos globales, varias técnicas de plazo atribuida a los efectos antropogénicos en
regionalización o un solo modelo global forzando varias regiones del Perú.
16. La selección de modelos globales y de técnicas de regionalización utilizadas en este informe ha seguido no solamente criterios
de calidad, sino también criterios eminentemente prácticos de accesibilidad y disponibilidad de datos de modelos globales así
como de técnicas de regionalización (previamente utilizadas y evaluadas para otros fines).

Es necesario tener presente que los mayores rangos estarán asociados a mayores
resultados regionalizados y grillados aquí incertidumbres y los rangos más estrechos
descritos, son más representativos en los a estimaciones más robustas y con menor
puntos donde hay información observada, incertidumbre.
debido a la regionalización estadística
que complementa a los resultados de la Al considerar las limitaciones de la información
regionalización dinámica. histórica disponible, la representación limitada y
simplificada del clima regional por los modelos y
Finalmente, la recomendación para los usuarios conociendo además que existen incertidumbres
es la utilización de todos los rangos de variación asociadas, los resultados del presente estudio
proyectados, basados en diferentes modelos deben ser considerados como una aproximación
globales y en diferentes técnicas de regionalización, del clima futuro, haciéndose énfasis en las señales
para explorar el efecto de estas incertidumbres de cambios potenciales identificados más que en
en sus modelos de impacto. Entiéndase que los los valores absolutos.

Capítulo 7.
CONCLUSIONES
Las conclusiones principales de este informe se la región del orden de +15% y +30% durante
refieren a dos aspectos, por un lado al aspecto el otoño (periodo de finalización de lluvias),
metodológico, y por el otro, al aspecto netamente excepto en Marcapomacocha (-5%), Huayao
climático. (-8%), Pilchaca (-9%) y Lircay (-4%) y un claro
patrón de reducción de las lluvias de hasta -30%
En cuanto al aspecto metodológico: durante el invierno (periodo de estiaje o escasas
incertidumbres lluvias) principalmente en la franja occidental
de la cuenca. En el verano (periodo de máximas
• La existencia de incertidumbres no significa lluvias), las precipitaciones parecen no variar
ignorancia, por el contrario, saber de su mucho respecto al presente, la media de los
existencia, conocer las fuentes que la originan y modelos indica cambios dentro de su variabilidad
consecuentemente aprender a administrarlas, es (+/-15%) con un sesgo a ser moderadamente
el valor agregado al conocimiento del tomador de superior en Ayacucho (de +15% a +30%). En
decisiones. la estación transicional de primavera (inicio del
periodo lluvioso) predominaría un escenario tanto
• En este informe se presentan los resultados de reducciones como de aumentos (+/-15%).
de cinco modelos globales y dos técnicas de
regionalización. Como ya se ha mencionado en • Se esperaría un aumento de la temperatura
este documento, los rangos de variación de los del aire de +0,8 °C (temperatura máxima) y de
cambios proyectados por los cinco modelos son +1,0 °C (temperatura mínima). Sin embargo, no
promediados y luego grillados en mapas. La relativa todas las regiones de la cuenca experimentarían
robustez de las proyecciones de temperatura el mismo grado de calentamiento medio, que
del aire se basa en una menor dispersión de los será más notable en invierno para el caso de
resultados que, independientemente del modelo la temperatura máxima (+0,8 °C a +1,0 °C) y
o de la técnica de regionalización, indican un claro primavera para la temperatura mínima (+0,8 °C a
patrón de calentamiento, no así en la precipitación, +1,2 °C). El rango mínimo de cambio es de +0,4
donde los valores de cambio muestran una mayor °C.
dispersión, principalmente en el otoño e invierno.
• En todas las regiones de la cuenca, las
En cuanto al aspecto climático: señales de temperaturas mínimas tienden a incrementarse
cambio algo más que las máximas. Este cambio
diferenciado de las temperaturas extremas podría
• Los cambios de la precipitación son menos conducir a un escenario de disminución del rango
regulares que los de la temperatura del aire. térmico (diferencia entre temperatura máxima
No obstante la incertidumbre, los resultados y mínima), lo cual implicaría algún grado de
evidencian un patrón de aumento de lluvias en afectación en las actividades agrícolas.

Referencias
Acuña et al., 2011. Escenarios de cambio climático en las regiones de Cusco y Apurímac al 2030 y
2050. Servicio Nacional de Meteorología e Hidrología del Perú, Ministerio de Ambiente. En el marco del
Programa de Adaptación al Cambio climático – PACC. 124 pp.
Avalos et al., 2011. Evaluation of a high resolution global model over Andean region of Peru. Manuscrito
finalizado en abril 2012. 22 pp (articulo en revisión para someter).
Bengtsson, L., M. Botzet and M. Esch, 1996: Will greenhouse gas-induced warming over the next 50
years lead to higher frequency and greater intensity of hurricanes? Tellus, 48A, 57–73.
Bombardi R., y Carvalho L., 2007. Variability of the monsoon regime over Brazil: the present climate and
projections for a 2xCO2 scenario using the MIROC model. Rev. SBMET, V. 23, No.1, p. 58-72.
Brunet, M. et al. (2009): Generación de escenarios regionalizados de cambio climático para España.
Agencia Estatal de Meteorología, Madrid.
Christensen OB, Goodess CM, Harris I. Watkiss P. (2011) European and Global Climate Change Projections:
Discussion of Climate Change Model Outputs, Scenarios and Uncertainty in the EC RTD ClimateCost
Project. In Watkiss, P (Editor), 2011.The ClimateCost Project.Final Report. Volume 1: Europe. Published
by the Stockholm Environment Institute, Sweden, 2011.ISBN 978-91-86125-35-6.
Christensen, J. et al., (2007) Regional Climate Projections. In: The Physical Science Basis. Contribution
of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change
[S. Solomon, et al., (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York,
NY, USA.
CCA-UNAM, 2008. Guía para la generación de escenarios de cambio climático a escala regional. Centro
de Ciencias de la Atmósfera de la Universidad autónoma de México. 105 pp.
Cubash, U., Waskewitz J., Hegerl G. y Perlwitz J. 1995: Regional climate changes as simulated in time-
slice experiments. Clim Change 31:273-304.
Guilyardi, and Coauthors. 2009. Understanding El Niño in Ocean-Atmosphere General Circulation Models
– Progress and Challenges. Bulletin of the American Meteorological Society, p. 325-340.
Goodess, C.M., Anagnostopoulou, C., Bárdossy A., Frei C., Harpham C., Haylock M. R., Hundecha Y.,
Maheras P., Ribalaygua, J., Schmidli J., Schmith T., Tolika K., Tomozeiu R., and Wilby R. L., 2007. An
intercomparison of statistical downscaling methods for Europe and European regions – assessing their
performance with respect to extreme temperature and precipitation events.ClimateChange.
Grimm, A. M., Sahai, A. K., Ropelewski, C. F., 2006. Interdecadal variations in AGCM simulation skills.
Journal of Climate, v. 19, p. 3406-3419.
Hulme, M., Lu, X., 2000: How to factor interannual climate variability into Climate Scenarios. A note
prepared for the DETR Fast-Track Impacts Group.

IPCC, 2001. Tercer Informe de Evaluación. Climate Change 2001: The Scientific Basis. J. T. Houghton et
al. Eds., Cambridge University Press, UK, 881 pp.
IPCC, 2007a. Climate Change 2007: The Physical Science Basis, Summary for Policy Makers, Working
Group 1 IPCC, Geneva, 2007.
IPCC, 2007b. Climate Change 2007: Impacts and Vulnerability, Summary for Policy Makers, Working
Group 2 IPCC, Geneva, 2007.
Kalnay, E.; Kanamitsu, M.; Kistler, R.; Collins, W.; Deaven, D.; Gandin, L.; Iredell, M.; Saha, S.; White,
G.; Woollen, J.; Zhu, Y.; Leetmaa, A.; Reynolds, B. 1996, The NCEP/NCAR Reanalysis Project. Bulletin of
the American MeteorologicalSociety77: 437-471.
Kropp J. y M. Schoize (2011).Cambio climático: información para una adaptación eficaz. Giacomotti
Comunicaciones graficas. Berlin-Alemania.
Lenters J. D., Cook K. H., 1997. On the origin of the Bolivian high and related circulation features of the
South American Climate. Journal of the Atmospheric Sciences, v. 54, p. 656-677.
Marengo J. A., 2007. Mudanzas climáticas globales y sus efectos sobre la biodiversidad: características
del clima actual y definición de las alteraciones climáticas para el territorio brasilero a lo largo del siglo
XXI. Brasilia, Ministerio del Ambiente. Serie Biodiversidad, v.26, 2007.
Meehl, G.A., et al., (2007) Global Climate Projections. In: The Physical Science Basis. Contribution of
Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change
[S. Solomon, et al., (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY,
USA.
Mizuta, R. et al., 2006: 20-km-mesh global climate simulations using JMA-GSM model –mean climate
states- J. Meteor. Soc. Japan, 84, 165-185.
Moss, R.,H., Edmonds, J.,A., Hibbard, K.,A., Manning, M.,R., Rose, S.,K., van Vuuren, D.,P., Carter, T.,R.,
Emori, S., Kainuma, M., Kram, T., Meehl, G.,A., Mitchell, J.,F., Nakicenovic, N., Riahi, K., Smith, S.,J.,
Stouffer, R.,J., Thomson, A.,M., Weyant, J.,P., Wilbanks, T.,J. (2010). The next generation of scenarios
for climate change research and assessment. Nature. 463(7282):747-56.
Nakicenovic N., J. Alcamo, G. Davis, B. de Vries, J. Fenhann, S. Gaffin, K. Gregory, A. Grübler, T.Y. Jung,
T. Kram, E. Lebre La Rovere, L. Michaelis, S. Mori, T. Morita, W. Pepper, H. Pitcher, L. Price, K. Riahi,
A. Roehrl, H. Rogner, A. Sankovski, M. Schlesinger, P. Shukla, S. Smith, R. Swart, S. van Rooijen, N.
Victor and Z. Dadi. (2000). Special Report on Emissions Scenarios.Intergovernmental Panel on Climate
Change.Cambridge University Press.
Nakicenovic, N., y R. Swart, (eds.), 2000. Special Report on Emission Scenarios, pp. 1-599.Cambridge
University Press, Cambrige, UK.
Noda, A., Kusunoki, S. y Yoshizaki, M. 2006: Development of Super High Resolution Global and Regional
Climate Models. Atmospheric and Oceanic Simulation, Cap. I.
SENAMHI, 1988. Mapa de clasificación climática del Perú. Método de Thornthwaite. Servicio Nacional de
Meteorología e Hidrología del Perú, Ministerio de Ambiente. 14 pp.
SENAMHI. 2007. Escenarios de cambio climático en la cuenca del río Mantaro para el año 2100. Lima:
Servicio Nacional de Meteorología e Hidrología del Perú, Ministerio de Ambiente. En el marco del proyecto
PRAA. 124 pp.
SENAMHI. 2009. Escenarios climáticos en el Perú para el año 2030. Segunda Comunicación Nacional de
Cambio Climático. Lima: Servicio Nacional de Meteorología e Hidrología, Ministerio del Ambiente. 136
pp.

SENAMHI, 2011 [Avalos G., Cubas F., Oria C., Díaz A., Quispe N., Rosas G., Solís O.]. Atlas de precipitación
y temperatura del aire en la cuenca del río Mantaro. Servicio Nacional de Meteorología e Hidrología del
Perú, Ministerio de Ambiente. En el marco del proyecto PRAA. 157 pp.
Taylor, K.E., 2001. Summarizing multiple aspects of model performance in a single diagram. Journal of
Geophysical Research, 106(D7): 7183–7192.
TGICA – IPCC, 2007. General guidelines on the use of scenario data for climate impact and adaptation
assessment. Version 2. Preparado por Carter T. R. IPCC. 66 pp.
Uppala et al., 2005: The ERA-40 re-analysis. Q. J. R. Meteorol. Soc., 131, 2961-3012.
Valverde C. M., y Marengo J., 2010. Mudanzas de circulación atmosférica sobre América del Sur para
escenarios futuros del clima proyectados por los modelos globales del IPCC AR4. Rev. SBMET, V. 25,
No.1, p. 125-145.
Vera et al., 2006.Climate change scenarios for seasonal precipitation in South America from IPCC AR4
models. Geophysical Research Letters, v.33, L13707, doi10.1029/2006GL025759.
Wilby et al., 2004: Guidelines for use of climate scenarios developed from statistical downscaling
methods. 27 pp.

Anexos
Mapas escenarios Mantaro
Mapa 01.
Mapa 02.
Mapa 03.
Mapa 04.
Mapa 05.
Mapa 06.
Mapa 07.
Mapa 08.
Mapa 09.
Mapa 10.
Mapa 11.
Mapa 12.
Mapa 13.
Mapa 14.
Mapa 15.
Mapa 16.
Mapa 17.
Mapa 18.
Mapa 19.
Mapa 20.
Mapa 21.
Mapa 22.
Mapa 23.
Mapa 24.
Mapa 25.
Mapa 26.
Mapa 27.
Mapa 28.
Mapa 29.
Mapa 30.
Mapa 31.

El Proyecto “Adaptación al Impacto del Retroceso Acelerado de Glaciares en los Andes Tropicales
- PRAA”, es implementado con fondos del Banco Mundial (GEF y PHRD Japón) y administrado por
la Secretaría General de la Comunidad Andina en beneficio de Bolivia, Colombia, Ecuador y Perú.
El Ministerio del Ambiente lidera el PRAA en el Perú, en colaboración con diversas entidades para
su ejecución, entre las cuales se incluye: SENAMHI, AGRORURAL, IGP, Municipalidad Distrital de
Santa Teresa, Municipalidad Provincial de Huancayo, Municipalidad Distrital El Tambo, SEDAM
Huancayo, Gobiernos Regionales de Cusco, Junín y CARE Perú.

Cambio Clim Tico en La Cuenca Del R o Mantaro Baja PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cambio Clim Tico en La Cuenca Del R o Mantaro Baja PDF

Cargado por

Copyright:

Formatos disponibles

Cambio climático en la cuenca del Río

Proyecciones para el año 2030 1

Proyecciones para el año 2030 03

Consultores : Ángel Cornejo y Silvia Guerra

Contribuciones : Ezequiel Villegas

Soporte computacional : Otto Huiman, Alan Llacza y Gerardo Jácome

Revisión : Ezequiel Villegas

Corrección de estilo : Carlos Castillo y Lucinda Montañez

Ministerio del Ambiente – MINAM

Servicio Nacional de Meteorología e Hidrología del Perú SENAMHI

Diseño : Fernando Zuzunaga Núñez, Magno Bolivar

Primera edición : Mayo 2013

Fotos: A. Iju, W. Suárez, E. Gálmez.

04 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 05

Manuel Pulgar Vidal Otálora

Proyecciones para el año 2030 07

El Servicio Nacional de Meteorología e Hidrología del Perú – SENAMHI, expresa su agradecimiento

Proyecciones para el año 2030 09

Proyecciones para el año 2030 11

0,4 °C a 1,0 °C -30% a +30%

Proyecciones para el año 2030 13

Según los resultados de los Grupos de Trabajo agropecuario, la biodiversidad y la disponibilidad

Proyecciones para el año 2030 15

Proyecciones para el año 2030 17

La tendencia de la precipitación en la cuenca no muestran tendencias de incremento del orden de

18 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 19

3.1 Modelos y escenarios de emisiones de GEI y aerosoles en el mundo. El marco general

Proyecciones para el año 2030 21

22 Cambio Climático en la Cuenca del Río Mantaro, Junín

Otro método de regionalización es el llamado En el presente estudio la construcción de escenarios

* El modelo TL959L60 MRI/JMA no forma parte del AR4 del IPCC.

5. Third Assessment Report – Tercer Informe de Evaluación

Proyecciones para el año 2030 23

3. El Diagrama de Taylor tiene la particularidad de agrupar en un sólo gráfico varios estadísticos.

24 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 25

26 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 27

downscaling estadístico se basa en las relaciones

La información de TSM proviene de tres mejores 3.3.4 Construcción de escenarios

28 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 29

Proyecciones para el año 2030 31

Proyecciones para el año 2030 37

38 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 49

50 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 51

aun considerando el promedio de las proyecciones, la Finalmente, es importante tomar en cuenta el

52 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 53

54 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 55

Proyecciones para el año 2030 57

58 Cambio Climático en la Cuenca del Río Mantaro, Junín

Proyecciones para el año 2030 59

Proyecciones para el año 2030 61

También podría gustarte