Anexo 4 - MENR-15-001 - Guia Metodologica Rev.B PDF

DETERMINACIÓN DEL IMPACTO DEL CAMBIO CLIMÁTICO EN EL
POTENCIAL ESPERADO DE GENERACIÓN HIDROELÉCTRICA

EN LA CUENCA DEL RÍO MAULE
SUBSECRETARÍA DE ENERGÍA
Determinación del
Impacto del Cambio
Climático en el
Potencial Esperado de
Generación
Hidroeléctrica en la
cuenca del río Maule
Anexo 4 – Guía Metodológica
Preparado para
Subsecretaría de Energía
Marzo 2016
DIRECCIÓN: MARCOLETA 485, OF. E, SANTIAGO. CHILE. - TELÉFONO: +56 2 2634 2747 - CONTACTO: CONTACTO@ERIDANUS.CL 1
EQUIPO CONSULTOR
Cargo Nombre Título
Jefe de Proyecto Ximena Vargas Ing. Civil
Coordinadora de Proyecto Maricel Gibbs Ing. Civil, MBA
Ingeniero de Proyecto Eduardo Rubio Ing. Civil, MSc
Ingeniero de Proyecto Mauricio Cartes Ing. Civil, MSc
Ingeniero de Proyecto Rodrigo Meza Ing. Civil, MSc
Ingeniero de Proyecto Gonzalo Cortes Ing. Civil, MSc, PhD (c)
Este informe fue elaborado en el contexto de un estudio encomendado por el

Ministerio de Energía titulado "Determinación del Impacto del Cambio Climático
en el potencial esperado de generación hidroeléctrica en la Cuenca
(o sub-cuencas) del Río Maule". El estudio forma parte de las etapas de
análisis que el Ministerio está desarrollando con miras a generar un Plan de
Adaptación del Sector Energía a los impactos del climático.
Las opiniones vertidas en este documento son de exclusiva responsabilidad

del consultor y no representan necesariamente el pensamiento del Ministerio
de Energía.
INDICE
1 INTRODUCCIÓN ........................................................................ 5
2 INTRODUCCIÓN A LA MODELACIÓN DEL CLIMA Y CAMBIO CLIMÁTICO ...... 5

2.1 Contexto del Clima a Nivel Global ............................................................. 5
2.2 Modelos de Circulación General (MCG) ....................................................... 7

2.3 Definición de Escenarios de Cambio Climático .............................................. 9
2.3.1 Contexto local .............................................................................. 12

2.4 Escalamiento de Variables Meteorológicas ................................................. 14
2.4.1 Escalamiento espacial (spatial disaggregation) ....................................... 15

2.4.2 Escalamiento temporal (bias correction) .............................................. 17
2.5 Ejemplos de Impactos Nacionales Documentados ......................................... 19
3 METODOLOGÍA DE ANÁLISIS DEL IMPACTO DEL CAMBIO CLIMÁTICO ...... 23

3.1 Consideraciones Generales ................................................................... 23
3.2 Etapa I: Levantamiento y Análisis de Antecedentes ...................................... 27

3.2.1 Levantamiento de centrales hidroeléctricas .......................................... 27
3.2.2 Levantamiento de información hidrometeorológica y de operación ............... 28

3.2.3 Levantamiento de información geomorfológica ....................................... 33
3.2.4 Levantamiento de información base de modelos de circulación general (MCG) . 34

3.3 Etapa II: Modelación Hidrológica y Estimación de los Recursos Hídricos en el Período
de Observación ...................................................................................... 34
3.3.1 Desagregación espacial del sistema ..................................................... 34

3.3.2 Selección y procesamiento de las variables hidrometeorológicas de entrada del
sistema. .............................................................................................. 36
3.3.3 Selección del modelo hidrológico ....................................................... 37

3.3.4 Selección del período de calibración ................................................... 45
3.3.5 Selección de cuencas de interés ......................................................... 46
3.3.6 Calibración del sistema ................................................................... 48

3.3.7 Complementos ............................................................................. 52
3.4 Etapa III: Incorporación de la Variable Cambio Climático ................................ 54

3.4.1 Selección de modelos para la zona de estudio ........................................ 54
3.4.2 Definición de los escenarios a considerar .............................................. 56

3.4.3 Horizonte de simulación .................................................................. 56
3.4.4 Escalamiento de variables meteorológicas............................................. 56

3.4.5 Generación de resultados en línea base y futuros .................................... 57
3.5 Etapa IV: Estimación de los Impactos en la Generación Hidroeléctrica ................ 60
3.5.1 Construcción de la relación entre caudal y energía .................................. 61

3.5.2 Simulación de las series de generación hidroeléctrica a futuro .................... 63
3.5.3 Análisis de Resultados ..................................................................... 63
4 BIBLIOGRAFÍA ....................................................................... 65
ANEXOS
ANEXO A - Estudio de Caso: Determinación del Impacto del Cambio Climático
en el Potencial Esperado de Generación Hidroeléctrica en la cuenca del río
Maule. Informe Final – Rev.B.
1 INTRODUCCIÓN
La presente guía metodológica está orientada a describir en forma introductoria los
métodos de análisis y modelación necesarios para estudiar el impacto del cambio climático
en el potencial hidroeléctrico de un sistema dado. Parte importante de esta guía es el
estudio de caso en la cuenca del río Maule (adjunto en ANEXO A), correspondiente a la
asesoría que da origen a la presente guía.
En dicho estudio de caso se puede encontrar el desarrollo completo de las metodologías
propuestas en la presente guía, aplicadas considerando las restricciones propias de la zona
de estudio utilizada. Debido a que cada zona de estudio tiene distintos grados de
disponibilidad de información, la aplicación de esta guía debe ser realizada por
especialistas familiarizados con los aspectos técnicos requeridos.
2 INTRODUCCIÓN A LA MODELACIÓN DEL CLIMA Y CAMBIO CLIMÁTICO

El objetivo de este capítulo es proveer de un contexto global de la modelación del clima
que se ha efectuado para incorporar la variable del cambio climático a nivel mundial, y en
particular sobre la modelación hidrológica asociada a la estimación de los impactos del
cambio climático a escalas espaciales locales en Chile. Se definen conceptos clave que
requiere el lector para la mejor comprensión de los propósitos y lineamientos
metodológicos relacionados.
Para lo anterior, el capítulo se centra en la comprensión de las herramientas disponibles

actualmente para estudiar el cambio climático en Chile, así como también en el resumen
de algunas experiencias nacionales de estimación de impactos a nivel de cuencas.
2.1 Contexto del Clima a Nivel Global
Durante el último siglo, a nivel mundial se han observado una serie de cambios en el
sistema climático terrestre, traducidos de forma más evidente en incrementos de
temperatura a nivel global como se muestra en la Figura 2.1, observándose anomalías de
+0,5 [°C] respecto a la época pre industrial.
Figura 2.1: Anomalías mundiales de temperatura global observadas desde 1850 a nivel de la superficie terrestre
(panel superior) y de la superficie del océano (panel inferior). Fuente: [IPCC, 2013].
Las tendencias presentadas en la Figura 2.1 tienen el potencial de provocar cambios

irreversibles y tienen implicancias en todo el sistema terrestre, incluyendo Chile. Posibles
impactos del cambio climático incluyen incrementos en la elevación de la isoterma cero en
todo el territorio Chileno [Carrasco et al., 2008], lo que se traduce directamente en una
posible disminución en la acumulación de nieve y hielo en cuencas de régimen nival, glaciar
o mixto, así como una posible reducción en los recursos hídricos disponibles en la
temporada de deshielo. De acuerdo a los resultados de Falvey & Garreaud [2008], las
tendencias positivas en temperatura han sido especialmente significativas en las estaciones
ubicadas en sectores cordilleranos, lo que refuerza aún más la posibilidad de que el cambio
climático esté resultando en menores volúmenes acumulados en las cabeceras de cuencas
Andinas. El impacto en la hidrología puede estar asociado a un mayor número de eventos de
precipitación líquida en desmedro de precipitación sólida, o en mayores tasas de
derretimiento debido a temperaturas más altas en lugares donde tradicionalmente se
acumula nieve.
Los cambios en el clima no se han manifestado sólo en términos de temperaturas, sino

también en términos de precipitaciones, tanto en Chile como a nivel global. La Figura 2.2
muestra las tendencias de cambio de precipitación en los últimos 110 años, siendo las
proyecciones más drásticas aquellas observadas en los últimos 60 años a nivel global. Para
el caso de Chile, se han observado tendencias a la disminución en gran parte de Chile
Central [Garreaud, 2011].
Figura 2.2: Proyecciones globales de precipitación en la tierra entre el periodo 1901-2010 (panel izquierdo) y 1951-
2012 (panel derecho) tomados de los datos de CRU1, GHCN2 y GPCC3. Fuente: [IPCC, 2013].
2.2 Modelos de Circulación General (MCG)
Si bien se pueden estudiar cambios específicos del clima local mediante el análisis de series
de tiempo observadas de temperaturas y precipitación (a través del estudio de tendencias y
variabilidad espacio-temporal), para evaluar cambios futuros es necesario el empleo de
modelos que permitan simular el sistema climático global y realizar proyecciones ante
distintos escenarios.
La comunidad científica ha desarrollado los modelos de circulación general (MCG) para

poder estimar el comportamiento del sistema climático futuro ante perturbaciones del
sistema actual. Los MCG corresponden a modelos grillados de atmósfera, océano y
1
Climatic Research Unit
2
Global Historical Climatology Network (GHCN)
3
Global Precipitation Climatology Center (GPCC)
superficie terrestre que resuelven ecuaciones de conservación de masa, momentum y

energía a una gran escala espacial. Estos se utilizan principalmente para el pronóstico
meteorológico, análisis del sistema climático actual y pasado, y para proyectar cambios en
el mismo. Dada la complejidad computacional involucrada en simulaciones climáticas, en
general los MCG tienen resoluciones espaciales relativamente bajas (siendo la variable
limitante para mejores resoluciones la capacidad computacional), variando entre 1° y 4° de
latitud con un promedio de 2,5°- 2,7°. Adicionalmente existen bases de datos adicionales
que (NOAA) que tienen resoluciones menores equivalentes a 0,5°. Actualmente existen
muchos laboratorios e instituciones que poseen sus propios MCG, siendo posible encontrar
el listado completo de modelos disponibles en el CMIP5 y su institución en el sitio web:
http://cmip-pcmdi.llnl.gov/cmip5/availability.html.
Los MCG constituyen el punto de partida para el estudio de los impactos del cambio del
clima sobre todo tipo de recursos. Proveen de las forzantes climáticas externas necesarias
para alimentar a los modelos hidrológicos y de clima locales, por lo que su utilización es
primordial. A partir de los MCG se ha incorporado el aumento en la concentración de los
gases de efecto invernadero y, mediante su respectiva simulación climática, se han
proyectado alzas de las temperaturas a nivel global. Es altamente recomendable la elección
de un conjunto de MCG, con el fin de caracterizar la variabilidad de las simulaciones y
acotar la incertidumbre propia que poseen estos análisis.
En un intento por explicar las anomalías de temperatura observadas a nivel mundial, la

comunidad científica agrupada en el Intergovernmental Panel on Climate Change (IPCC) ha
realizado simulaciones de clima futuro utilizando escenarios basados en distintos supuestos
de crecimiento poblacional y desarrollo económico (SRES, agrupados con la sigla Coupled
Model Intercomparison Project Phase 3 o CMIP3). Estos supuestos dan origen a distintos
escenarios de emisión de gases de efecto invernadero a nivel global, los cuales son usados
como parte de las forzantes de los modelos de simulación. Los resultados de los modelos
han logrado explicar las anomalías detectadas, justificándolas mediante las emisiones de
gases de efecto invernadero realizadas por el hombre. El ejercicio fue actualizado por el
IPCC [2013], utilizando los MCG agrupados en el CMIP5, con escenarios basados en la
incorporación de diferentes cuotas de energía radiativa (RCP), y los resultados han
confirmado el efecto de las emisiones en las alzas de temperatura.
La Figura 2.3 muestra las anomalías de temperatura observadas junto con las simulaciones
conjuntas de los modelos agrupados en el CMIP3 y CMIP5, cuando en estos se incluye la
influencia antropogénica (panel a). En el panel (b) no se considera el efecto de la influencia
antropogénica y se aprecia que nos es posible reproducir en las simulaciones la anomalía de
temperatura global que se ha observado en el último siglo.
Figura 2.3: Observaciones y simulaciones (ensamble) de las anomalías de temperatura global

considerando el efecto de las forzantes antropogénicas (panel a) y sin considerar los efectos (panel b).
Fuente: [IPCC, 2013].
2.3 Definición de Escenarios de Cambio Climático

Los escenarios de cambio climático son escenarios definidos por la secuencia temporal del
forzamiento radiativo que experimentaría el sistema planetario hacia fines de siglo. Este
forzamiento está definido para cuatro intensidades adicionales de energía en el sistema, las
cuales pueden ser alcanzadas mediante distintas combinaciones de emisiones de GEI o
narrativas de evolución, a diferencia de los escenarios SRES del IPCC4, los cuales poseen
caminos predeterminados de desarrollo.
El estudio realizado por el IPCC [2013] incluye escenarios de proyecciones de cambio
climático denominados Representative Concentration Pathways (RCPs). Los RCP incluyen
cuatro escenarios futuros posibles de emisiones de gases de efecto invernadero. Estos
escenarios se traducen en aumentos de forzantes radiativas del sistema terrestre,
representando un aumento de +2,6, +4,5, +6,0 y +8,5 [W/m2] respecto a la era pre-
industrial.
La trayectoria que puede tomar cada escenario RCP considera que se alcanza un peak en las
emisiones en 2010-2020, 2040 y 2080; con decaimiento en las emisiones a partir de ese
máximo para los escenarios RCP2.5, RCP4.5 y RCP6.0, respectivamente. El escenario RCP8.5
considera un incremento sostenido para fines del siglo XXI, representando el escenario más
desfavorable posible en términos de emisiones. La Figura 2.4 muestra las trayectorias de
emisiones de gases de efecto invernadero antes señaladas. Cabe destacar el resultado del
estudio de Peters et al. [2012] indicado en la Figura 2.5, donde muestra que las
trayectorias globales de emisión han superado las proyecciones del escenario RCP8.5.
Figura 2.4: Trayectorias de emisiones de gases de efecto invernadero proyectadas por los diferentes MCG en sus
escenarios RCP. Fuente: [IPCC, 2013].
Figura 2.5: Trayectorias de emisiones de distintos escenarios de cambio climático y su comparación en relación a las
emisiones observadas históricas. Fuente: [Peters et al., 2012].
Para el escenario RCP8.5, los cambios globales en precipitación y escorrentía anticipados

por el estudio del IPCC [2013] en el periodo (2081-2100) se muestran en la Figura 2.6. Se
puede observar que para las latitudes de Chile Central (zona donde se enmarca el estudio
de caso presentado en el ANEXO A) se obtienen proyecciones negativas, dando cuenta del
impacto general esperado.
Figura 2.6: Proyecciones globales de variación precipitación (panel superior) y de escorrentía (panel inferior) según
el escenario RCP8.5 para el periodo (2081-2100). Fuente: [IPCC, 2013].
2.3.1 Contexto local

En Chile, la mayoría de los estudios que se han desarrollado sobre la variación del clima y la
estimación de impactos en recursos hídricos e hidroeléctricos han sido desarrollados con los
escenarios del CMIP3, denominados SRES [DGF-CONAMA, 2006; Vargas X., 2008; DIC, 2010;
McPhee et al., 2009; McPhee et al., 2010; MINENERGIA, 2011]. Se hace necesario entonces
mostrar el contexto nacional teniendo en cuenta los escenarios antiguos provistos por el
CMIP3 y los actuales pertenecientes al CMIP5, denominados RCP.
En la Figura 2.7 se muestran las proyecciones de temperatura para el futuro cercano (2016-
2035), observándose que las proyecciones RCP son más pesimistas en comparación a las
SRES. Si se comparan los escenarios más desfavorables de CMIP3 y CMIP5, para el periodo
señalado en el escenario A2 SRES se muestran incrementos en la mediana de temperaturas
proyectadas de +0,6 [°C], mientras que para el escenario RCP8.5 dicho valor es de +0,8 [°C].
Figura 2.7: Comparación de las proyecciones de cambios globales de temperatura por los distintos escenarios de
cambio climático CMIP3 y CMIP5. Fuente: [IPCC, 2013].
Localmente se han desarrollado variados estudios en los cuales se han procesado modelos
regionales de resolución espacial 25 km, forzados en primera instancia por el modelo MCG
HadCM3 en los escenarios A2 y B1 [DGF-CONAMA, 2006] y de forma posterior por ECHAM5
para el escenario A1B [Rojas, 2012]. La Figura 2.8 muestra los cambios de temperatura
proyectados tanto por los escenarios RCP2.6 y RCP8.5 versus las proyecciones de PRECIS-
ECHAM en Chile Central, denominada región 4 por el estudio de Rojas [2012].
Figura 2.8: Cambio de temperatura proyectados para los escenarios RCP2.6, RCP8.5 utilizando 26 MCG y el modelo
regional PRECIS-ECHAM forzado por el MCG ECHAM5 en el escenario A1B. Fuente: [Rojas, 2012].
La Figura 2.9 por su parte muestra las proyecciones de decaimiento de precipitación en los
escenarios RCP2.6 y RCP8.5 en la zona de Chile central, junto con las proyecciones del
modelo regional PRECIS-ECHAM para el escenario A1B.
Figura 2.9: Cambio de precipitación proyectado por los escenarios RCP2.6, RCP8.5 en 26 MCG y el modelo regional
PRECIS-ECHAM forzado con el MCG ECHAM5 en el escenario A1B. Fuente: [Rojas, 2012].
La Figura 2.8 muestra que las proyecciones RCP8.5 son más severas respecto al incremento
de temperatura en Chile central hasta el año 2080. En el caso de las precipitaciones la
Figura 2.9 indica proyecciones de disminución de precipitación bastante similares (en
términos de magnitud del cambio) a las entregadas por del modelo PRECIS-ECHAM forzado
por el escenario A1B, modelo que está contenido en el total de 26 MCG disponibles. Dada
esta comparación, una posibilidad sería esperar una disminución similar en términos de la
escorrentía media anual en las cuencas analizadas, pero dado el efecto de los incrementos
de temperatura para el caso de los escenarios RCP, el impacto en el régimen hidrológico
debiese analizarse en términos de su variabilidad estacional para detectar si se producen,
por ejemplo, adelantos o retrasos en la ocurrencia de los caudales máximos, entre otros
factores.
En el estudio de Rojas [2012] las proyecciones de temperaturas y precipitación se obtienen

para dos períodos: 2011-2030 y 2031-2050, sobre la base histórica de 1961-1990. A pesar de
las incertidumbres inherentes de las modelaciones climáticas, las simulaciones de los
distintos modelos regionales proyectan un calentamiento sobre todo el territorio chileno
para el periodo 2011-2030, con un gradiente de mayor a menor de norte a sur y de
cordillera a océano. La temperatura fluctuaría entre 0,5ºC en el océano y extremo sur a
1,5ºC en la zona norte y el Altiplano. Se espera que el mayor calentamiento se verifique en
la zona norte grande y en altura, sobre la Cordillera de los Andes.
Para el mismo periodo, las simulaciones de precipitaciones muestran disminución entre 5-
15% entre las latitudes 27-45°S aproximadamente, esto es, entre la cuenca del río Copiapó
y la cuenca del río Aysén. Se proyecta un secamiento de entre 10% y 20%. Respecto del
segundo período, mientras las proyecciones de temperatura y precipitación muestran
tendencias similares al período más cercano, pero con valores mayores.
El 70% de los modelos utilizados en el estudio proyectaron que, para fines del siglo XXI,
eventos climáticos extremos ocurrirían más de 10 veces en 30 años. El número de eventos
de precipitación extrema tiende a decrecer, no obstante aumenta la ocurrencia de estos en
presencia de temperaturas elevadas, con el consecuente riesgo de elevación de la isoterma
0°C, inundaciones, crecidas y aluviones.
2.4 Escalamiento de Variables Meteorológicas
Los modelos de circulación general (MCG) presentan resoluciones espaciales entre 0,5° y 4°
de latitud. Esto implica que en ciertas ocasiones un mismo modelo trata de reproducir en
una única celda de modelación tanto los climas marítimos, como mediterráneos y de
montaña, como se muestra en la Figura 2.10, cuando en una escala local el clima es más
estable y determinado.
Debido a la imposibilidad de lograr simulaciones exactas del clima local utilizando los MCG,
es importante establecer una metodología que permita escalar los resultados de un
determinado MCG a la escala del dominio de interés. Para este propósito existen
metodologías de escalamiento del tipo dinámico y estadístico. El primer tipo consiste en la
solución de las ecuaciones de la física atmosférica y del sistema terrestre (utilizando un
modelo atmosférico) a resoluciones espaciales más finas, forzando las condiciones de borde
del modelo atmosférico con los resultados de un MCG. Los escalamientos estadísticos por su
parte, buscan llevar la modelación global del MCG a cualquier punto intermedio de la grilla
modelada en dos etapas: escalamiento espacial y escalamiento temporal.
Los requerimientos computacionales en el caso del escalamiento dinámico son elevados,

pues requieren la implementación de un modelo de atmósfera de alta resolución y, por lo
tanto, escapan a los tiempos de desarrollo de estudios como el presente. En el caso del
escalamiento estadístico, estos se realizan en tiempos comparativamente más rápidos y
permiten por construcción que se repliquen las condiciones meteorológicas históricas tanto
de estacionalidad como de magnitud de las series meteorológicas escaladas. En el estudio
de caso (ANEXO A) se utilizó un escalamiento estadístico, dadas sus ventajas comparativas.
Para realizar el escalamiento o downscaling de las variables meteorológicas entregadas por

el modelo de circulación general se puede utilizar una adaptación de la metodología
planteada por Wood et al. [2002] en el Este de EEUU. En ella se implementan dos
correcciones a las series obtenidas desde el modelo global. La primera consiste en una
desagregación espacial desde la escala global a una grilla más fina (Spatial Disaggregation)
y la segunda es una corrección a las curvas de duración mensuales de cada variable
(denominada Bias Correction).
Figura 2.10: Ejemplo de resolución espacial de MCG.
2.4.1 Escalamiento espacial (spatial disaggregation)

Se debe tener presente que no existen metodologías únicas para este procedimiento. Dadas
las herramientas computacionales actuales, este proceso se ha simplificado con la
aplicación de herramientas geoestadísticas, que a su vez se basan en el uso de funciones de
interpolación; en el caso de estudio (ANEXO A) se utiliza la interpolación bilineal. Estas
herramientas permiten generar, a partir de la grilla de un MCG, las interpolaciones a nivel
de cuenca de las variables de entrada requeridas.
El objetivo del escalamiento espacial es relacionar las variables meteorológicas observadas

localmente con aquellas disponibles a gran escala. La meteorología observada a gran escala
es obtenida de los reanálisis del NCEP/NCAR del National Oceanic & Atmospheric
Administration de EEUU (NOAA) disponibles en la web

http://www.esrl.noaa.gov/psd/data/reanalysis/reanalysis.shtml o en el dataset de la NASA,
NEX-GDDP, el cual se encuentra en una mejor resolución, disponible vía web en:
https://nex.nasa.gov/nex/projects/1356/.
Como se menciona anteriormente, la metodología empleada para el escalamiento espacial

consiste en la interpolación bilineal de las variables meteorológicas de gran escala. El
procedimiento de interpolación bilineal se resume a continuación. La premisa básica de
esta metodología es que existe un comportamiento lineal entre los distintos puntos de la
grilla en las direcciones x e y.
Dados cuatro puntos de la grilla de MCG con coordenadas conocidas, Q11 = (x1, y1), Q12 =
(x1, y2), Q21 = (x2, y1), y Q22 = (x2, y2), es posible interpolar los valores de los puntos de
coordenadas conocidas al punto desconocido definido por x e y utilizando las siguientes
relaciones. Primero se interpola en la dirección x, y luego en la dirección y. La función f
representa los valores de precipitación o temperatura, ya sea en la grilla MCG (por ejemplo,
f(Q12)) o en el punto donde la estación está presente (f(x,y)).
Las ecuaciones 2.1 y 2.2 muestran la interpolación realizada primero en la dirección x:
( ) ( ) ( ) Ecuación 2.1
( ) ( ) ( ) Ecuación 2.2
Luego, la Ecuación 2.3 muestra la interpolación realizada en la dirección y de los valores

interpolados en la dirección x. Es importante recalcar que la metodología es indiferente a
la dirección de interpolación inicial utilizada.
( ) ( ) ( ) Ecuación 2.3
En la Figura 2.11 se puede apreciar el esquema conceptual de esta corrección. Los cuatro
puntos de la celda de MCG son interpolados al punto estación. Esto no descarta otro tipo de
interpolaciones más sofisticadas, como el inverso del cuadrado de la distancia,
interpolación que interpreta la orografía y que ha tenido buenos resultados en estudios
anteriores. Esta clase de interpolaciones requiere usualmente el uso de programas
especializados, que permitan primero la manipulación de la información original de los
datos de los MCG y además la interpolación de los mismos.
Figura 2.11. Esquema conceptual de la corrección del escalamiento espacial propuesto. Fuente: [CONAMA, 2010].
2.4.2 Escalamiento temporal (bias correction)

En muchos casos se observa que tanto las precipitaciones como temperaturas que provienen
del escalamiento espacial están sub o sobre estimadas con respecto a las observaciones en
estaciones meteorológicas. Una manera de corregir esto es mediante las relaciones entre
las curvas de duración de los datos observados y de los resultados de los MCG escalados
espacialmente en el periodo de línea base. Posteriormente, estas relaciones son aplicadas
a las series futuras. Este procedimiento ha sido mencionado en el estudio para ERECC-
CEPAL titulado: “Análisis de vulnerabilidad del sector hidroeléctrico: Disponibilidad futura
de los recursos hídricos en Chile frente a escenarios de cambio climático” [CEPAL, 2009a;
CEPAL, 2009b), encontrándose un mayor detalle en la tesis de Ayala [2011].
El procedimiento ha sido ampliamente estudiado y se sugiere escalar tanto la temperatura

como la precipitación a la resolución de una cuenca. Esto permite su implementación sobre
un modelo hidrológico escogido, mediante la relación entre las curvas de duración de datos
observados y las curvas de duración de los datos salientes del proceso de escalamiento
espacial. Un ejemplo del tipo de relaciones encontradas entre las curvas de duración de las
variables observadas y simuladas por los MCG puede apreciarse en la Figura 2.12.
Figura 2.12: Ejemplo de relaciones entre la precipitación mensual observada en Armerillo y un modelo MCG. Fuente:
Elaboración Propia.
La Figura 2.13 muestra un ejemplo del resultado del proceso de escalamiento espacial y
temporal. En ella se pueden apreciar los cambios, tanto en precipitación como temperatura,
para una ventana de análisis que contenga a la línea base, de corto y de mediano plazo. Las
“barras” negras indican los rangos de variación (desviación estándar), como resultado del
uso de varios MCG.
El objetivo de esta clase de figuras es informar sobre el grado de ajuste conseguido en el

período de línea base, así como también informar los cambios aproximados que se observan
para la estación analizada en la simulación futura, una vez aplicado el escalamiento. En la
figura descrita se observa un descenso de las precipitaciones junto a un aumento de las
temperaturas, pero dichos cambios no ocurren de la misma manera en todos los meses. Esta
forma de presentación permite analizar los cambios que se pueden generar en la
estacionalidad de las variables de entrada y, posteriormente, en los regímenes de caudales.
Figura 2.13: Ejemplo de los resultados del proceso de escalamiento de las variables meteorológicas de precipitación y
temperatura. Estación Valdivia (U. Austral). Nota: GCM corresponde a la sigla en inglés de MCG. Fuente: Elaboración
Propia.
2.5 Ejemplos de Impactos Nacionales Documentados
Las proyecciones agrupadas en el CMIP3 dieron origen a diversos estudios a nivel nacional
entre los cuales destaca el estudio desarrollado para la Dirección General de Aguas (DGA)
por RHMA [2011]. En este estudio se analizaron proyecciones hidrológicas a escala mensual
para seis cuencas de Chile Central, utilizando 12 MCG y asumiendo el escenario A2,
considerado como el más severo en términos de emisiones de gases de efecto invernadero.
En relación a este estudio, la Figura 2.14 muestra las proyecciones futuras de precipitación
anual y temperatura media anual, en tres ventanas de análisis, para las estaciones
meteorológicas Vilcuya, Cerro Calán, El Yeso, Pirque, Rengo y La Rufina. Se muestran
además las proyecciones de caudal medio anual (obtenidas a través de la utilización de un
modelo hidrológico forzado por las proyecciones de clima futuro) y acumulación nival en las
cuencas Aconcagua en las estaciones fluviométricas Chacabuquito, Mapocho en los
Almendros, Maipo en el Manzano, Volcán en Queltehues, Cachapoal 5 km bajo junta
Cortaderal y Tinguiririca Bajo Los Briones.
Figura 2.14: Proyecciones para el escenario A2 en las cuencas Aconcagua en Chacabuquito, Mapocho en Los
Almendros, Maipo en El Manzano, Volcán en Queltehue, Cachapoal 5km bajo Junta Cortaderal y Tinguiririca Bajo Los
Briones. Los resultados presentan las variables precipitación, temperatura, caudal y acumulación nival (de panel
superior a panel inferior). Las siglas LB denotan la línea base utilizada como comparación. Fuente: [RHMA, 2011].
La Figura 2.14 muestra disminuciones de precipitación promedio de 20% para mediados del
siglo XXI, incrementos de temperatura de 1,5 [°C], disminuciones de caudales promedio del
15% y de acumulación de nieve promedio en torno a un 30%. La Figura 2.15 muestra que
para las cuencas definidas por las estaciones fluviométricas Cachapoal 5 km bajo junta
Cortaderal y Tinguiririca Bajo Los Briones, se espera una disminución promedio de la
escorrentía principalmente en la temporada de deshielo, siendo más severa para fines del
siglo XXI, especialmente en la cuenca del río Tinguiririca, donde se aprecia también una
mayor incertidumbre en los resultados.
Figura 2.15: Proyecciones de caudales medios mensuales en las cuencas Cachapoal (izquierda) y Tinguiririca
(derecha), para el promedio, máximo y mínimo de los 12 MCG para los periodos 2011-2040, 2041-2070 y 2071-2099.
Fuente: [RHMA, 2011]
Otro estudio realizado en la sexta región por Gómez [2013] utilizando el el escenario A1B
(2040-2070), proyecta un adelantamiento en los procesos de derretimiento, estimándose
incrementos en los caudales de invierno y disminuciones en los caudales de verano. Dicho
cambio se observa tanto para las cuencas del río Pangal en Pangal como para la cuenca del
río Cachapoal 5 km bajo junta Cortaderal. Un ejemplo de los resultados derivados de este
estudio se muestran en la Figura 2.16.
Figura 2.16: Variaciones de caudal proyectadas en términos porcentuales (respecto a línea base) para las cuencas
Pangal en Pangal (superior) y Cachapoal 5 km bajo junta Cortaderal (inferior). El escenario corresponde al A1B en el
periodo (2040-2070). Fuente: [Gómez, 2013].
Tal como se puede apreciar los caudales para el período de deshielo presentan
disminuciones para los modelos utilizados. Adicionalmente, los caudales de invierno, en
particular los meses de Agosto a Septiembre, presentan un aumento en su escurrimiento, lo
que puede deberse al mayor aporte del área pluvial o a una señal de adelantamiento del
proceso de derretimiento desde Noviembre a Octubre.
Hasta ahora se han visto los aspectos más fundamentales cuando se requiere trabajar con
cambio climático. El lector de esta guía debe comprender que la herramienta básica de
análisis corresponde a la información que provienes de los MCG. Esta información contiene
la simulación de las variables meteorológicas para diferentes escenarios de forzantes
radiativas (escenarios RCP) y además no es única, por cuanto existen al menos 26 MCG
disponibles.
Cada MCG presenta una resolución espacial que se escapa de la escala de “cuenca” a la que
este estudio apunta. Por lo tanto es necesario pasar por un proceso de escalamiento tanto
espacial (para pasar a una resolución de gran escala a una escala local) y otra temporal
(que busca replicar la estacionalidad).
Lo que sigue entonces es conocer de qué manera se procesa ésta información de manera de
elegir un conjunto de modelos representativos para el análisis y de aprovechar estas
forzantes “escaladas” para estimar los impactos del CC a una escala local.
3 METODOLOGÍA DE ANÁLISIS DEL IMPACTO DEL CAMBIO CLIMÁTICO

3.1 Consideraciones Generales
Para evaluar los impactos del cambio climático en la generación hidroeléctrica es necesario
evaluar la fuente de dicha generación: el recurso hídrico. Mediante la utilización de
modelos hidrológicos para simular el comportamiento de los sistemas hídricos relevantes y
la estimación de su variación en el futuro, es posible estimar los cambios en la energía
generada para ventanas de mediano y largo plazo.
El proceso se divide en cuatro grandes etapas generales:
1. Levantamiento y análisis de antecedentes de la zona de estudio;

2. Modelación Hidrológica en régimen natural y estimación de los recursos hídricos en
período de observación;
3. Estimación de los impactos del cambio climático en los recursos hídricos; y,
4. Estimación de los impactos en la generación hidroeléctrica a partir de los cambios en
los recursos hídricos.
Cabe señalar que en el caso de estudio que acompaña a la presente guía metodológica
(ANEXO A), se observan algunas adaptaciones metodológicas debido a las particularidades
del sistema Maule. En esta guía se describen todos los elementos a considerar, mientras que
en el ANEXO A se pueden encontrar los métodos específicos y supuestos adoptados para
dicho caso de estudio. Cada zona tiene sus características propias, no solo climáticas sino
que también operacionales y de disponibilidad de información, por lo cual esta guía debe
ser aplicada por especialistas con experiencia en modelación hidrológica y cambio climático.
Para partir el proceso es necesario tener un conocimiento básico del sistema bajo análisis.
Interrogantes como: ¿Cuáles son los principales regímenes hidrológicos presentes en nuestra
zona de estudio?, ¿cuáles son los procesos hidrológicos más relevantes que se deben
modelar?, ¿qué información se necesita y está disponible?, ¿cuál es la calidad de ésta?, ¿cuál
es el grado de intervención de la cuenca?, entre otras son primordiales para efectuar una
elección adecuada de los modelos hidrológicos que se emplean y para además evaluar
dónde presentan su mayor incertidumbre. La etapa de evaluación de la información de
entrada y del modelo mismo es importante: la certeza de las estimaciones provenientes de
un modelo dependen en gran parte de la calidad de la información de entrada y del
sustento conceptual que tiene el mismo.
Es por este motivo que la primera etapa a resolver en cualquier estudio de impacto del
cambio climático sobre los recursos hídricos, hidroeléctricos y cualquier otro sector
productivo, debe centrarse en una recopilación y análisis crítico de los antecedentes
disponibles en la zona de estudio. Las directrices principales de esta revisión deben estar
orientadas a la recopilación de registros hidrometeorológicos y a la caracterización
hidrológica y geomorfológica de la zona de estudio, a reconstruir el régimen natural de los

sistemas a estudiar y conocer en detalle su operación.
La segunda etapa usa esta información para definir cuál es el modelo hidrológico
conceptual que se debe adoptar para representar de manera más fidedigna el sistema, en
base a la información disponible. La consideración de factores orográficos, desarrollos de
acuíferos, fenómenos locales de clima, elevación del sistema, régimen hidrológico existente,
etc., deben materializarse en una serie de criterios que sirvan para elegir la arquitectura
del modelo más apropiado para la zona de estudio. El producto final de esta etapa debe ser
la elección de un modelo hidrológico adecuado para representar la geomorfología de la
zona de estudio y el comportamiento del sistema hidrológico simulado. Finalmente, se debe
contar con un modelo calibrado y validado en base a indicadores de eficiencia y bondad de
ajuste.
Hasta esta etapa no se ha discutido siquiera la incorporación de la variable de cambio

climático. La explicación radica en que no se puede estudiar el impacto de potenciales
nuevos escenarios sino no se comprende a cabalidad el escenario o estado actual y pasado.
En relación al cambio climático, la comunidad científica nacional ha presentado una

evolución importante respecto de los primeros trabajos. En Chile, durante mucho tiempo se
utilizó la información del MCG HadCM3 [CEPAL, 2009b], la cual proveía de una serie
continua de las forzantes meteorológicas en el periodo 1960-2100. El Departamento de
Geofísica de la Universidad de Chile implementó el modelo regional PRECIS-DGF [DGF-
CONAMA, 2006] el cuál representaba un modelo para condiciones de borde locales, acordes
con la climatología del país. De esta forma, se operaba un modelo (PRECIS) con una
resolución espacial mayor, pero utilizando como condiciones de borde la información
entregada por HadCM3. Pese a esto, la información simulada por PRECIS sólo estaba
disponible para la línea base y la ventana 2070-2100.
Actualmente existen 28 instituciones (CMIP5) que han generado sus respectivos modelos de
circulación general (incluyendo HadCM3). Cada uno de estos modelos ha sido forzado con
distintos escenarios de emisiones futuras, los cuales representan distintas condiciones
ordenadas de acuerdo a la cantidad y evolución de las emisiones. La elección de estos
escenarios es un tema esencial. El IPCC5 reconoce el escenario RCP 2.6 como el más
optimista, pues existe evidencia que señala que las emisiones actuales medidas ya superan
los supuestos para este escenario. Por esta razón ya no se considera realista tener a este
escenario como un límite inferior asociado a la incertidumbre. Existe consenso en que el
escenario RCP 8.5 representa el escenario más desfavorable, dado que considera el mayor
aumento de emisiones, lo cual se traduce en un aumento importante de la temperatura
(con respecto a los otros escenarios) y cambios más profundos en los patrones de
circulación global.
Resolver qué escenarios utilizar es sólo una parte del problema. Una interrogante
alternativa es: ¿Cuáles modelos disponibles son los que se debiesen considerar para poder
caracterizar de manera adecuada el impacto en una zona determinada? La respuesta no es
simple, y en esta guía se propone una metodología de selección de MCG que considera la
evaluación de gran parte de los modelos disponibles. La metodología está basada en tres
tipos de análisis: grado de ajuste estacional (el grado de ajuste estacional de las variables
de precipitación y temperatura simuladas por el modelo respecto de los datos observados),
grado de ajuste de la variabilidad y el grado de representatividad respecto al ensamble del
conjunto total de MCG evaluados, para evitar la elección de un modelo cuya tendencia
corresponda a una señal “extrema” respecto del comportamiento del ensamble. En el
Acápite 6.4.1 del ANEXO A se puede apreciar la aplicación al caso de estudio, con las
consideraciones específicas a la zona de estudio.
En definitiva, una vez analizado y comprendido el escenario actual de la zona de estudio se
requiere en una tercera etapa la selección de los MCG a considerar, la selección de los
escenarios de cambio climático, el escalamiento de las variables de entrada del sistema
(entradas para el modelo hidrológico seleccionado), la definición del horizonte de la
simulación (período de línea base y ventanas futuras de simulación) y la generación de los
resultados en el período de línea base seleccionado.
La cuarta etapa y final involucra dos aspectos: i) el análisis de la relación que existe entre
el caudal y la energía generada con la capacidad instalada; ii) la simulación a futuro y
análisis de cómo podrían variar los caudales, así como su impacto en la energía generada
por la capacidad instalada y potencial.
En relación al análisis de energía versus caudal disponible, se evalúa la información

recopilada de los antecedentes de generación de la capacidad instalada. Esto permite
establecer una relación estadística entre el caudal de generación (usualmente el afluente
al sistema) y la energía generada por la capacidad instalada.
El paso siguiente constituye simular, utilizando el modelo hidrológico previamente

calibrado y en régimen natural, los caudales a futuro para los MCG y escenarios RCP
seleccionados. En esta etapa se debe evaluar la variación de los recursos hídricos para las
ventanas de tiempo definidas con los mismos indicadores gráficos escogidos en la segunda
etapa.
Una vez que se establezca la variación del caudal futuro debido a posibles cambios en el
clima, se utiliza la relación entre energía y caudal encontrada anteriormente para
determinar la variación en la energía generada para las ventanas de simulación futura. Se
debe tener presente que, tanto para centrales de pasada como para centrales con embalse,
el caudal afluente a ellas determina la generación del sistema, en mayor o menor medida
dependiendo de la regulación del caudal. Con esto se obtiene la estimación del impacto
del cambio climático en la generación hidroeléctrica de la capacidad instalada existente en
la zona estudiada. Adicionalmente se realiza este mismo ejercicio para la capacidad
potencial de generación, para lo cual se utilizan ecuaciones conocidas de energía en
función del caudal, la altura de caída y la eficiencia (calculada a partir de datos del
potencial hidroeléctrico descritos en el ANEXO A).
Es necesario comparar y analizar la variabilidad de los resultados encontrados, ya que se
tendrán varios MCG y escenarios RCP a evaluar. También resulta fundamental comentar
respecto de la incertidumbre y coherencia de los resultados.
Es así que la metodología de análisis puede resumirse en una serie de actividades asociadas
a cada etapa, como se indica a continuación:
 Etapa I: Levantamiento y análisis de antecedentes de la zona de estudio. Esta etapa

debe incluir:
o Levantamiento de Centrales de interés.
o Levantamiento y análisis de variables hidrometeorológicas observadas. Esta
etapa debe caracterizar la cantidad y calidad de la información disponible.
Asimismo el análisis de la información de precipitación, temperatura y caudal
debe ser utilizada para determinar los regímenes hidrológicos predominantes,
pues su análisis condiciona la elección del modelo hidrológico a utilizar.
o Levantamiento de información geomorfológica y productiva: Caracterización
de los usos de suelo, presencia de acuíferos, intervenciones en los cursos
superficiales, caracterización orográfica, usos del agua, etc.
o Levantamiento de información base de modelos climáticos de circulación
general (MCGs).
 Etapa II: Modelación Hidrológica en régimen natural y estimación de los recursos

hídricos en período de observación. Esta etapa debe incluir:
o Esquema unifilar definitivo del sistema, en aquellos casos que la complejidad
del sistema a modelar lo requiera.
o Generación de un esquema conceptual acorde con la orografía e hidrografía de
la zona. (Bandas de elevación, subcuencas, distritos agroclimáticos u otra
distribución espacial).
o Generación de subcuencas de interés, en función de las estaciones de control.
o Selección y procesamiento de las variables hidrometeorológicas de entrada del
sistema.
o Selección del modelo hidrológico en función tanto de las variables de control
como del régimen hidrológico que se debe representar.
o Selección del período de calibración/validación, para lo cual se sugiere una
proporción de 70%/30% de la información disponible, respectivamente.
o Calibración y validación del modelo. Esto debe incluir representaciones
gráficas de estacionalidad, curvas de duración y cálculo de indicadores de
bondad de ajuste.
 Etapa III: Estimación de los impactos del cambio climático en los recursos hídricos.
o Definición de los escenarios de emisiones futuras a considerar.
o Selección de MCG para la zona de estudio.
o Escalamiento de forzantes meteorológicas.
o Definición del horizonte de simulación.
o Generación de resultados en línea base y futuros. (Requiere Etapa II completa)
 Etapa IV: Estimación de los impactos en la generación hidroeléctrica a partir de los

cambios en los recursos hídricos.
o Construcción de la relación entre caudal y energía; definición de supuestos

empleados.
o Simulación de caudales para los escenarios RCP y MCG seleccionados.
o Simulación de las series de generación hidroeléctrica a futuro
o Presentación de Resultados: Análisis respecto a línea base de variación
estacional de energía, variabilidad (curvas de duración) y variación de montos
totales de generación.
o Análisis de la incertidumbre y coherencia de los resultados.
La Figura 3.1 presenta el esquema de ejecución de estas etapas. Como se puede apreciar,
las etapas II y III no requieren ser secuenciales, pero ambas dependen de la información
recopilada, analizada y corregida que viene de la etapa I. A continuación se describe con
mayor detalle cada una de las etapas propuestas.
Figura 3.1: Esquema de ejecución de las etapas propuestas. Fuente: Elaboración propia.
3.2 Etapa I: Levantamiento y Análisis de Antecedentes

Centrándose en el objetivo de la modelación hidrológica para diferentes cuencas existe
una serie de posibles análisis y construcciones, necesarias para consolidar los subproductos
que requieren la modelación y el posterior análisis de impacto del cambio climático en
dichos sistemas de generación. A continuación se detallan los aspectos metodológicos
esenciales de cada uno de estos análisis. Así también, en el caso de estudio (ANEXO A) se
puede apreciar la aplicación del ejercicio, donde la mayoría de la información nace de la
caracterización productiva de la cuenca del río Maule.
3.2.1 Levantamiento de centrales hidroeléctricas

Este levantamiento tiene por objetivo determinar la ubicación, consumos de agua y reglas
de operación de los principales sistemas de generación bajo estudio, para analizar cuáles
son las subcuencas más importantes en términos de generación hidroeléctrica y, por ende,
que son más sensibles en términos de posibles impactos del cambio climático. Este es un
producto que se obtiene en parte de la caracterización productiva, la que se efectúa a
partir de la información recopilada de las diversas fuentes, siendo las principales:
 Ministerio de Energía;
 Dirección General de Aguas (DGA) del Ministerio de Obras Públicas (MOP);

 Departamento de Geofísica (DGF) de la Universidad de Chile;
 Comisión Nacional de Energía (CNE); y
 Centro de Despacho Económico de Carga del Sistema Interconectado Central (CDEC
SIC).
Para su uso en la etapa IV se necesitan además las series de tiempo de generación

hidroeléctrica. Estas series de tiempo pueden requerir su agregación o ensamble (suma del
total), dependiendo de la configuración u operación del sistema. También puede resultar
conveniente rellenar algunas series de tiempo, con el fin de obtener mejores relaciones y
más extensas entre el caudal y la generación hidroeléctrica del sistema en estudio.
3.2.2 Levantamiento de información hidrometeorológica y de operación

Este levantamiento comprende la identificación y evaluación de la distribución espacial de
las estaciones de control fluviométrico y estaciones meteorológicas que posea
principalmente la DGA u otra institución, como la Dirección Meteorológica de Chile (DMC) y
el CDEC SIC, en el caso de cuencas con generación hidroeléctrica. Adicionalmente, se
deben consultar estudios conducentes a la caracterización de la operación del sistema bajo
análisis, de tal modo de efectuar la reconstitución de su régimen natural (cuando sea
necesario) o la inclusión de la operación en la misma modelación. Una alternativa para este
objetivo es la construcción de un esquema o diagrama unifilar que informe de las
interacciones más relevantes y los diversos usos del recurso hídrico.
El análisis de la información en temas de calidad y cantidad de información debe

proporcionar comprensión del sistema en general. Se debe analizar la variación espacio-
temporal de las precipitaciones, la ocurrencia de los caudales máximos y mínimos, entre
otros. El objetivo principal de esta tarea es entender la relación existente entre el caudal y
la meteorología de la zona. Una manera de lograr esto es construyendo gráficos “tipo” por
cada variable de interés, como los que se presentan más adelante. Además de métricas o
indicadores comúnmente usados en este tipo de estudios, tales como agregaciones
temporales estacionales, cálculo de estadísticos básicos como promedios, desviaciones
estándar y coeficientes de variación, etc.
A nivel general, es ideal que las variables que se analizan en primera instancia sean:
precipitación, temperatura, caudal, radiación, humedad relativa y viento. Sin embargo, la
distribución espacial y calidad de información de las últimas tres es en general más escasa,
por lo que el nivel de profundidad de su análisis muchas veces no es comparable al de las
primeras tres (precipitación, temperatura y caudal).
Por lo anterior, las relaciones que se buscan entender involucran principalmente a las
primeras 3 variables, que además son las más relevantes para el análisis, a saber:
precipitación, caudal y temperatura. Conocer la estacionalidad de la precipitación y
temperatura puede informar sobre la presencia de procesos específicos en los sistemas,
respecto de la climatología regional. La relación de ambas variables con el caudal es

necesaria, pues algunas lluvias proveen de crecidas sin ningún retardo, mientras que otras
lluvias, que se producen con temperaturas más bajas, pueden producir almacenamiento
nival en el sistema, generándose una escorrentía con evidente desfase. Estos procesos
pueden resultar más relevantes a nivel diario, mientras que a nivel mensual resulta de
interés analizar la relación entre los caudales y las precipitaciones, ya que las temperaturas
(por sí solas) no permiten observar tormentas específicas, catalogadas como eventos
extremos.
Del mismo modo, y dependiendo de la zona donde se realicen los análisis, tanto la
precipitación como la temperatura pueden estar afectados por fenómenos de mayor escala,
como El Niño, por lo que la variación en “magnitud” puede estar ligada a este tipo de
fenómenos. Por ejemplo, desde la región del Maule hacia el norte estos fenómenos
regionales pueden resultar más relevantes que hacia el sur, por lo que se debe tener en
consideración la latitud de la zona de estudio.
No existe un único método para comprender estas relaciones, por lo cual se recomienda
realizar la gráfica ad hoc de estas relaciones para proveer una comprensión inicial, que
sumada al levantamiento de los antecedentes climáticos de la zona permite mejorar
indudablemente el conocimiento del sistema. La evaluación de desfases usualmente se
maneja a través de correlaciones desfasadas, pero para los objetivos de este tipo de
estudios, lo importante es proporcionar un conocimiento cualitativo sobre la interrelación
de las variables, de manera que sirva como un antecedente o condición física a respetar en
la etapa asociada a la modelación hidrológica.
A continuación se presentan los gráficos sugeridos para la comprensión del sistema bajo
análisis.
 Precipitación y Temperatura
Ambas variables pueden ser presentadas a través de un diagrama ombrotérmico 4 como el
que se presenta en la Figura 3.2. Este diagrama permite analizar inmediatamente la
magnitud y variabilidad mensual de la precipitación así como también el ciclo anual de la
temperatura.
4
El diagrama ombrotérmico de Gaussen permite identificar el período seco en el cual la precipitación es
inferior a dos veces la temperatura media. Se debe considerar que la escala de precipitaciones debe ser doble
que la de temperaturas. Fuente: http://ocw.upm.es/ingenieria-agroforestal/climatologia-aplicada-a-la-
ingenieria-y-medioambiente/contenidos/clasificacionesclimaticas/gaussenclasificacionclimatica.pdf
Figura 3.2: Esquema ombrotérmico empleando la estación Talca U.C. para la precipitación media mensual y para la
temperatura media mensual (1985-2014). Fuente: Elaboración propia a partir de datos oficiales de la Dirección
General de Aguas.
Si se tienen antecedentes de la incidencia de fenómenos climáticos de gran escala, como

por ejemplo ENSO 3.4 (El Niño Oscilación del sur), PDO (Oscilación Decadal del Pacífico) u
otro, entonces una manera adecuada es presentar las series de tiempo es como lo ilustra la
Figura 3.3. Para este caso se ha puesto de fondo los episodios ENSO 3.4 5, caracterizados
como condiciones: Niño (ENSO 3.4 > 0.5), Niña (ENSO 3.4 < 0.5) y “Normal” (-0.5 < ENSO 3.4
< 0.5). Aquí se puede apreciar que algunos máximos de precipitaciones coinciden con
eventos “Niño” mientras que, en general, en los eventos “Niña” predominan las bajas
precipitaciones.
El objetivo de presentar la información en un formato adecuado es proveer de una

comprensión más completa del sistema y hacerlo extensible también en los futuros
resultados que tenga el modelo hidrológico. La validación de relaciones entre indicadores
climáticos de gran escala y la meteorología local puede ser importante cuando se quiere
conocer los efectos locales de fenómenos regionales, lo cual normalmente no forma parte
de estos estudios. Para mayores referencias en el caso de Chile se recomienda ver el
estudio de Rubio [2010].
5
Información disponible en: http://www.esrl.noaa.gov/psd/gcos_wgsp/Timeseries/Nino34/
20 0
20
15
Precipitación [mm]
40
Temperatura [°C]
10 60
80
5
100
0 120
140
-5
1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Tiempo [mes]
Niño Niña Normal Precipitación Temperatura
Figura 3.3: Variación mensual de la precipitación y la temperatura en Jorquera en La Guardia, III Región, durante el
período comprendido entre los años 1996 y 2014. Fuente: Elaboración propia.
 Otras Variables Climáticas

Existen otras variables de climáticas de interés, cuya recopilación y uso depende de los
requerimientos del modelo a utilizar. Por ejemplo, puede resultar de utilidad contar con
información de la humedad relativa, radiación y velocidad del viento. Estas variables
usualmente no forman parte del escalamiento, debido a las restricciones de información
observada. Independiente de eso, la recopilación y la manera de presentar estas variables
puede ser de manera conjunta o por separado, haciendo uso del mismo formato de la
precipitación y temperatura, como se ejemplifica en la Figura 3.4.
60 0
55
5
50
Radiación [W/m2]
45 10
40
15
35
HR [%]
30 20
25
25
20
15 30
10
35
5
0 40
1998 2000 2002 2004 2006 2008 2010 2012 2014
Tiempo [mes]
Niño Niña Normal Radiación HR
Figura 3.4: Variación mensual de la humedad relativa y la temperatura en la III Región, durante el período
comprendido entre los años 1996 y 2014. Fuente: Elaboración propia.
 Caudal
El caudal puede ser graficado junto con la precipitación y/o la temperatura, lo que permite
detectar fenómenos particulares, tales como desfases en la escorrentía debido a deshielos
o afloramientos subterráneos. En general, esta clase de gráficos buscan ayudar a entender
el régimen hidrológico del sistema. Por ejemplo, si hay lluvias invernales y la escorrentía
ocurre en verano, es probable que el régimen hidrológico sea nival. Si las señales son más
bien “planas” o no correlacionadas con los pulsos de precipitación, es posible que exista
una influencia subterránea importante. Un ejemplo de estas gráficas puede observarse en
la Figura 3.5 y la Figura 3.6.
1.00 0
0.90 20
0.80
Precipitación [mm]
40
Caudal [m3/s]
0.70
0.60 60
0.50 80
0.40
0.30 100
0.20 120
0.10 140
0.00
1998 2000 2002 2004 2006 2008 2010 2012 2014
Tiempo [mes]
Niño Niña Normal Precipitación Estación Fluviométrica
Figura 3.5: Caudales medios mensuales observados en Estación Fluviométrica de ejemplo (R.N), en la III Región.
Comparación con la precipitación media mensual. Período 1998-2014. Fuente: Elaboración propia.
1.00 10
0.90
0.80 5
Temperatura [°C]
Caudal [m3/s]
0.70
0.60 0
0.50
0.40 -5
0.30
0.20 -10
0.10
0.00 -15
1998 2000 2002 2004 2006 2008 2010 2012 2014
Tiempo [mes]
Niño Niña Normal Temperatura Estación Fluviométrica
Figura 3.6: Caudales medios mensuales observados en Estación Fluviométrica de ejemplo. Comparación con la
temperatura media mensual. Período 1998-2014. Fuente: Elaboración propia.
3.2.3 Levantamiento de información geomorfológica

La caracterización geomorfológica del sistema tiene directa relación con la desagregación
espacial que puede tener un modelo, paso que es profundizado en la Etapa II (Acápite 3.3).
Para estos fines es necesario procesar la curva hipsométrica de la cuenca en estudio, y de
ser necesario, es útil contar con un mapa de la elevación y aspecto de la cuenca, de tal
manera de identificar orografía y el grado de exposición que tienen las laderas.
La curva hipsométrica (CH) es la relación entre la distribución de área y elevación en una

cuenca determinada. Permite conocer elevaciones mínimas y máximas de la misma, así
como también de qué forma se distribuye el área de una cuenca en distintas bandas de
elevación. Una CH que concentre el mayor porcentaje de área en un rango pequeño de
elevaciones informa de una cuenca con alta presencia de planicies, es decir, donde la
orografía no es tan relevante. Por el contrario, una CH que muestre una variación
importante del área conforme lo hacen las elevaciones da cuenta de un sistema con alta
influencia orográfica. Este punto es importante dado que los procesos hidrológicos pueden
mostrar una variación alta con la elevación. Ejemplos de estos procesos incluyen la
acumulación y el derretimiento de la nieve e infiltración a acuíferos, entre otros. El rango
absoluto de elevaciones ilustrado en la CH es útil además como apoyo (no por sí solo) en la
determinación de las áreas pluviales y nivales, según sea el caso, de una cuenca (se
requiere una estimación de la altura de la línea de nieves). Adicionalmente, permite la
mejor caracterización de zonas de transición entre lluvia y nieve. Un ejemplo de curva
hipsométrica puede apreciarse en la Figura 3.7.
5200
5000
4800
4600
4400
Elevación (msnm)
4200
4000
3800
3600
3400
3200
3000
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Área (km2)
Curva Hipsométrica
Figura 3.7: Ejemplo de Curva Hipsométrica. Fuente: Elaboración Propia.
La desagregación espacial final del sistema depende de variados factores, por ejemplo, el
uso de suelo, clima, presencia de estaciones de control fluviométricas, etc. El concepto
fundamental es que la subdivisión de los sistemas considere que los procesos hidrológicos
que ocurran en ellos sean también similares. En el ANEXO A se presenta el procedimiento

empleado en el caso de estudio y los resultados obtenidos.
3.2.4 Levantamiento de información base de modelos de circulación general

(MCG)
El objetivo de este levantamiento es determinar cuáles son los modelos climáticos que
están disponibles en la zona de estudio. También se requiere identificar otros estudios (de
objetivos similares), con el fin de contrastar futuros resultados. En esta etapa es útil
evaluar: porcentajes de variación en caudales, escenarios y estaciones hidrometeorológicas
utilizadas para el proceso de escalamiento en estudios anteriores.
Producto de su disponibilidad actual, y que además la información se encuentra ya
previamente procesada a una grilla uniforme de 0,25 X 0,25°, se recomienda la base de
datos elaborada por la NASA, el NEX-GDDP, que consolida la información para 21 MCG para
los escenarios RCP4.5 y RCP8.5 de cambio climático definidos por el IPCC56. En el Acápite
3.4.1 del ANEXO A se encuentran la lista de modelos y los criterios básicos de selección
considerados en el caso de estudio.
3.3 Etapa II: Modelación Hidrológica y Estimación de los Recursos Hídricos en el

Período de Observación
En esta etapa el principal objetivo es establecer los conceptos claves relacionados a
modelación hidrológica y describir la metodología utilizada para obtener las series de
tiempo disponibles en el periodo de observación: caudales, precipitación, temperatura. El
resultante de esta etapa es el establecimiento del modelo hidrológico utilizado, su
conceptualización y los requerimientos asociados a la información de entrada.
3.3.1 Desagregación espacial del sistema

Se entiende por desagregación espacial de un sistema a la representación espacial que
debe tener el modelo. Su objetivo es representar tanto las condiciones geomorfológicas de
la zona de estudio como los procesos relevantes que dan lugar a la generación de
escorrentía (la variable principal a analizar en este estudio).
La desagregación espacial depende de factores relacionados en mayor grado de las

características de la zona, por ejemplo, la pendiente, elevación, uso de suelo, ubicación de
la línea de nieves, entre otros. En la Figura 3.8, se muestra un ejemplo de desagregación
espacial en una cuenca que ha sido dividida en bandas de elevación. Este tipo de
conceptualizaciones es útil para:
 Cuencas que presentan regímenes hidrológicos nivales o mixtos, donde las bandas
altas poseen una influencia nival importante, mientras que en las bandas bajas la
precipitación puede ocurrir en forma líquida.
6
Sitio web de descarga: https://nex.nasa.gov/nex/projects/1356/
 Zonas donde el comportamiento de la precipitación puede estar influenciado

fuertemente por la orografía, detectándose mayores o menores precipitaciones en
zonas más elevadas, dependiendo de los gradientes de variación encontrados. Lo
mismo se aplica para la temperatura.
Figura 3.8: Esquema conceptual por bandas de elevación. Fuente: [Davie, 2008].
En el caso de zonas que presentan una menor variabilidad espacial de elevaciones, es

posible que las variables meteorológicas de importancia (por ejemplo, temperatura y
precipitación) presenten menor variabilidad espacial, y por ende son más relevantes
aquellos factores de cobertura de uso de suelo y el desarrollo de acuíferos.
Se recomienda realizar una desagregación espacial mediante bandas de elevación de igual

área, al menos en zonas homogéneas de procesos hidrológicos (áreas nivales, áreas de
influencia mixta, áreas pluviales). Esto permite que los parámetros de calibración sobre
cada área tengan pesos equivalentes, evitando así que una sola banda domine el
comportamiento de todo el sistema analizado. Lo anterior es más relevante en el caso de
sistemas cordilleranos o montañosos, donde los desniveles y la posibilidad de acumular
nieve son un aspecto fundamental de su comportamiento hidrológico.
Además de las consideraciones anteriores, la desagregación espacial debe permitir una

aproximación semi o completamente distribuida del sistema. En general, los modelos
hidrológicos completamente distribuidos (requiere de una subdivisión en “celdas” o URH,
unidades de respuesta hidrológica de la cuenca) tienen costos de procesamiento
computacional elevados y se utilizan en casos de cuencas pequeñas, donde se producen
interacciones complejas y existe la cantidad de información suficiente (con su
correspondiente distribución espacial) para caracterizar los flujos dominantes del sistema.
La aproximación semi-distribuida presenta una ventaja comparativa por cuanto permite

subdividir un sistema en zonas de interés más pequeñas (subcuencas), donde es factible
aplicar el esquema conceptual adoptado. Sus costos computacionales son menores y
resuelven interrogantes orientadas a la planificación del recurso, teniendo también una
base física conceptual robusta que permite la verificación de su respuesta y poseen una
demanda de información observada mucho menor que la aproximación distribuida.
3.3.2 Selección y procesamiento de las variables hidrometeorológicas de entrada

del sistema.
Un modelo hidrológico puede ser conceptualizado como un conjunto de relaciones
matemáticas en que un input de entrada (o forzante) es operado para lograr obtener un
output (o estimación). Dependiendo del nivel de importancia que una variable tenga dentro
de los procesos de generación de escorrentía, su ausencia resulta en una menor precisión
de las estimaciones del modelo. Por el contrario, en caso de que un modelo utilice
variables redundantes o que no están relacionadas a los procesos de generación de
escorrentía es posible que el modelo resulte sobreajustado.
La Tabla 3.1 resume la información a recopilar más importante que suelen tener los
modelos hidrológicos. La información recopilada debe tener un post procesamiento que
corrobore la consistencia de la información y complete los vacíos de la misma en caso de
ser necesario.
En general, las series de precipitación, temperatura y caudal pueden ser rellenadas
mediante la aplicación de correlaciones lineales. Estos rellenos deben considerar primero el
régimen hidrológico de las cuencas, especialmente para el caudal, pues no se pueden
relacionar cuencas de regímenes diferentes. Estas correlaciones son temporales (año a año,
mes a mes, etc.).
De no ser posible la aplicación de esta metodología, el modelador debe probar con
metodologías alternativas, por ejemplo, usando transposición por unidad de área y de
precipitación.
Tabla 3.1: Información hidrometeorológica a recopilar para la construcción de un modelo hidrológico. Fuente:
Adaptado de [UNTEC, 2012].
Información Descripción Información a recopilar
Series de precipitación
Series de temperatura
Variables observadas más utilizadas. El Serie de niveles de pozos*
número de variables a considerar Serie de caudales
depende de su disponibilidad. Esto Latitud representativa en subcuencas
Hidrometeorología
condicionará la selección del modelo Humedad relativa
hidrológico más adecuado a las Viento
circunstancias. Fracción nublada
Radiación
Albedo de la nieve
*No aplica en este estudio
Independientemente de la conceptualización utilizada es necesario un post procesamiento

de la información. Por ejemplo, si la desagregación espacial es por medio de bandas de
elevación, es necesario procesar gradientes altitudinales para la precipitación y
temperatura. El viento y humedad relativa suelen adoptarse representativos de áreas
mayores debido a la escasez de estaciones de monitoreo. La radiación es una variable cuya
representatividad en área suele asumirse mucho mayor que el caso de la temperatura o la
precipitación, aunque dependiendo del nivel de detalle de un modelo pueden ser

necesarios ajustes de acuerdo a la elevación, cobertura de nubes y sombras.
La calidad y representatividad de la información es una variable que influye de forma
importante en la certidumbre sobre los resultados que puede entregar un modelo
hidrológico. Un modelo forzado por información meteorológica que no es representativa de
la zona de estudio puede no representar adecuadamente los procesos de interés. Así mismo,
la certidumbre de la información meteorológica (el error asociado a la medición o
estimación de cada una de las variables) afecta directamente los resultados del modelo.
Del mismo modo, la utilización de un único modelo hidrológico representa también una
fuente de incertidumbre, por cuanto el modelador en una situación ideal debiese probar un
set de modelos hidrológicos, análogamente al proceso de selección de más de un MCG. La
selección final de las variables a considerar depende entonces no sólo de la calidad y
representatividad, sino también del conocimiento del régimen hidrológico de la zona a
modelar y de la oportuna selección del modelador de las variables que controlan dicho
régimen, teniendo en consideración las sugerencias aquí indicadas.
3.3.3 Selección del modelo hidrológico

Un modelo hidrológico es un conjunto de algoritmos matemáticos que tienen como objetivo
aproximar las interacciones entre distintos elementos del ciclo hidrológico. Cada uno de los
modelos disponibles en el mercado asume distintas aproximaciones para cada uno de los
procesos involucrados, así como también distintas conceptualizaciones de una cuenca. Es
por eso que la elección técnica de un modelo en particular, debe tener siempre presente
primero cuál es el nivel de detalle o precisión que se desea, el nivel de detalle que se
puede alcanzar teniendo en cuenta la información que existe y el tiempo disponible para
obtener los resultados. Estas líneas no siempre se comunican, por cuanto la información
disponible resulta ser importante en la elección del modelo y en la cuantificación de su
incerteza.
Dejando de lado los modelos de base estadística y de aquellos modelos orientados al

rastreo u estudio de crecidas, es recomendable privilegiar aquellos modelos hidrológicos
que tengan una base física, que resuelvan los flujos hidrológicos característicos más
relevantes de las cuencas (Figura 3.9) como: infiltración (recarga), evaporación,
evapotranspiración, flujo sub-superficial, flujos base, etc. Es además deseable que
resuelvan la ecuación de balance hídrico y que sean capaces de simular correctamente la
naturaleza del régimen hidrológico de la cuenca, dadas las distintas forzantes como
precipitación, temperatura, humedad relativa, velocidad del viento y radiación.
En general, estas variables son las más relevantes en la generación y temporalidad de la

escorrentía, dado que influyen directamente en la cantidad de agua existente en una
cuenca y en la partición entre evapotranspiración-escorrentía que ocurre durante cada
temporada de invierno o deshielo. Como muestra la Figura 7.9, la evapotranspiración y la
escorrentía son los procesos más relevantes del ciclo hidrológico para distintas cuencas.
Figura 3.9: Clasificación de los flujos hidrológicos relevantes en función del tipo de clima dominante. Fuente: [Davie,
2008].
Se define como “conceptualización del modelo” a la simplificación conceptual del sistema

real que provee de una representación matemática del proceso precipitación-escorrentía.
Involucra el conocimiento de qué procesos físicos ocurren en la cuenca, la presencia de
acuíferos relevantes, cuáles son los flujos hidrológicos dominantes y la caracterización de
las variables de entradas necesarias para la adopción de esa base conceptual.
La conceptualización de los procesos relevantes entonces tiene como objetivo aproximar el

comportamiento del sistema utilizando la información disponible. Idealmente esta
conceptualización prioriza la base física de los procesos dominantes. La Figura 3.10
presenta la conceptualización de dos modelos de precipitación-escorrentía: GR4J y SIMED.
Figura 3.10: Ejemplos de conceptualización de procesos en distintos modelos hidrológicos. Panel Izquierdo: Modelo
GR4J [Perrin et al., 2003, adaptado por Salvatierra, 2008]. Panel Derecho: Modelo SIMED [DGA, 2005b].
Como se puede apreciar la representación de los procesos en el modelo GR4J está más
orientada a la rápida respuesta de la precipitación y la generación de hidrogramas unitarios
como funciones de transferencia para transformar la lluvia a escorrentía. SIMED por otro
lado utiliza dos estanques, uno para la zona radicular y otro representativo del acuífero.
Ambos modelos conceptuales hacen énfasis en procesos diferentes, pero utilizando
prácticamente la misma información de entrada.
Lo anterior lleva a otra consideración relevante al momento de escoger el modelo a
adoptar: tipos de variables y parámetros asociados. La Tabla 3.2 presenta los tipos de
parámetros que se encuentran frecuentemente en la modelación hidrológica y algunos
ejemplos.
Tabla 3.2: Tipos de parámetros en modelación hidrológica. Fuente: Adaptado de UNTEC (2010).
Tipo de Variable Descripción Ejemplos de Parámetros
Topografía (ASTER-GDEM: Gratuito)

Definen las características Cobertura del suelo (bosques, cultivos, centros
Geomorfología urbanos, etc.)
fisiográficas del sistema.
Superficie impermeable
Usos humanos: Influyen Tasas de riego, tipos de cultivo, sistema de

Operación (en riego, eficiencias de conducción, extracciones
directamente en el consumo del
caso de no
recurso y la disponibilidad aguas y trasvases, dotaciones industriales y
existir R.N) domiciliarias, etc.
abajo del mismo.
Influyen directamente en la Capacidad de almacenamiento del suelo

aproximación del ciclo hidrológico
Variables físicas Capacidad de almacenamiento del acuífero
que hace el modelo. Dependen de las
y/o de profundo
características de la zona de estudio,
modelación Conductividad del suelo
del modelo escogido y su esquema Conductividad de la zona profunda
conceptual. Otros propios del modelo
R.N: Régimen Natural.
Respecto del número de parámetros, se debe tener en cuenta, independiente del modelo
que se escoja, que se respete la parsimonia del proceso. Dicho de otra forma, se debe
procurar contar la cantidad de información suficiente para explicar un proceso y evitar
complejizar la representación del sistema cuando no se tiene suficiente información para
ejecutar dicha representación, pues eso genera más incertidumbre. Se recomienda que, por
cada parámetro independiente de calibración, se tenga el respaldo de al menos 10
observaciones independientes (datos observados) para su correcta calibración. Eso define la
extensión de la serie de tiempo a considerar y que tan complejo puede ser el modelo a
utilizar.
Finalmente, la Tabla 3.3 presenta un resumen de modelos hidrológicos que se han aplicado
en Chile junto a sus requerimientos esenciales.
Tabla 3.3: Modelos distribuidos y requerimientos principales. Fuente: [UNTEC, 2012].
En el caso de estudio presentado en el ANEXO A se ha escogido a la plataforma WEAP,

desarrollada por el Stockholm Environment Institute 7 sede en Boston y el Tellus Institute8.
Las razones principales de la elección de esta plataforma de modelación se presentan a
continuación:
- Módulo de simulación hidrológica adecuado para regímenes pluviales, pluvio-nivales y
nivales. Adicionalmente, la última versión de WEAP incluye un módulo para el
estudio de masas glaciares, que en el caso de estudio (ANEXO A) no fue necesario
considerar debido a su escasa distribución espacial y la ausencia de mediciones en
dichas masas de hielo.
- Aplicaciones del modelo para análisis de cambio climático en cuencas pluvio-nivales
ya han sido desarrolladas en Chile y en California, lo que se traduce en una mayor
confianza en el éxito de su aplicación.
- WEAP, además de permitir análisis hidrológicos físicos (modelación de la respuesta
de la cuenca a las distintas forzantes), permite analizar cómo los distintos
componentes del sistema hidrológico se relacionan. En el caso de la generación
7
http://www.sei-us.org/
8
http:/www.tellus.org/
hidroeléctrica esto permitiría desarrollar a futuro una plataforma de modelación

hidrológica semi-distribuida acoplada a un sistema de manejo de recursos hídricos.
WEAP es un modelo semi-distribuido en el cual el área de la cuenca puede ser distribuida
en tantas subcuencas como sea necesario de acuerdo a los objetivos del análisis, tal que
todas las propiedades representadas son espacialmente homogéneas dentro de cada
subcuenca. Esta ventaja permite elegir entre una distribución basada en subcuencas, HRU o
bandas de elevación, lo que se traduce en flexibilidad para establecer la conceptualización
idónea para distintas zonas de estudio.
En general y de ser posible, se recomienda que la subdivisión de las cuencas en estudio sea
mediante un esquema de bandas de elevación, de modo de representar los cambios
altitudinales de las variables observadas (al menos precipitación y temperatura). Este
esquema es especialmente útil y relevante en cuencas con influencia de derretimiento de
nieve y hielos.
Los procesos de generación de escorrentía (base conceptual o conceptualización) de WEAP
son representados mediante un esquema de dos estanques (ver Figura 3.11), con
evapotranspiración potencial calculada con el método de Penman-Monteith. La acumulación
y derretimiento de nieves se expresan por medio de un esquema del tipo grado-día,
modificado para incluir un término representativo del flujo neto de energía hacia el manto
de nieve. El flujo de energía es función de la radiación neta en la superficie, la que a su vez
depende del albedo de la nieve y por ende de la edad de ésta.
El modelo WEAP requiere que se definan, entre otras cosas, subcuencas de interés o bandas
de elevación, de acuerdo a la caracterización de la cuenca a modelar. Para la definición de
bandas de elevación se deben considerar aspectos como: topografía, uso del suelo,
cobertura vegetal, distritos agroclimáticos, línea de nieves y el número de orden de los
ríos.
Figura 3.11. Base conceptual modelo hidrológico WEAP. Fuente: [Ayala, 2011].
La Tabla 3.4 presenta los parámetros y requisitos de información en WEAP. Como se puede
apreciar WEAP posee al menos 13 parámetros a calibrar o que pueden ser definidos en base
a mediciones en terreno, bibliografía y/o experiencia del modelador.
Tabla 3.4: Parámetros y variables de entrada para el modelo WEAP por tipo. Fuente: Adaptado de [Ayala, 2011].
- Área de la cuenca
Datos de entrada
- Coeficiente de cosecha (kc)
- Almacenamiento del suelo, estanque superior (z1 max)
- Almacenamiento profundo, estanque inferior (z2 max)
Uso de suelo - Conductividad de la zona radicular o estanque 1 (K1)
Parámetros internos del - Conductividad de la zona profunda o estanque 2 (K2)
modelo (a calibrar) - Factor de resistencia al escurrimiento (FR)
- Dirección preferencial del flujo
- Almacenamiento inicial en el estanque 1 (z1 inicial)
- Almacenamiento inicial en el estanque 2 (z1 inicial)
- Series de precipitación
- Series de temperatura
- Latitud
- Humedad relativa (puede ser omitida)
Datos de entrada
- Viento (puede ser omitido)
- Fracción nublada (puede ser omitida)
Clima - Radiación (puede ser omitida)
- Albedo de la nieve (puede ser omitida)
- Nivel de nieve inicial
- Temperatura de fusión de la nieve
Parámetros internos del
- Temperatura de derretimiento de la nieve
modelo (a calibrar)
- Albedo de nieve antigua
- Albedo de nieve nueva
Cauces naturales Variables de entrada - Series históricas de caudal (para calibración)
Los parámetros de almacenamiento iniciales de los estanque superior e inferior (Z1 y Z2

respectivamente) son parámetros de inicialización. El modelo debe independizarse de la
condición inicial, por lo que es siempre conveniente que el primer año de información sea
sólo utilizado para propósitos de inicialización del sistema. Del mismo modo, para la nieve
inicial conviene elegir un mes donde se valide que ésta es nula, por ejemplo, a finales del
verano.
WEAP resuelve numéricamente dos balances de masas planteados en cada estanque. Estos
balances pueden ser representados mediante las ecuaciones 1 y 2.
Ec. 1
[ ( ) ] ( ) ( )
Ec. 2
( )
Donde:
Pe: Precipitación más derretimiento.
f: Dirección preferencial del flujo.
El cálculo de la evapotranspiración (ET0) se realiza mediante el método de Penman-

Monteith, detallado en la ecuación 3.
( ) ( ) Ec. 3
( )
Donde:
ET0: Evapotranspiración de referencia.
Rn: Radiación neta.
G: flujo de calor hacia o desde el suelo.
T: Temperatura media diaria.
u2: Velocidad del viento a dos metros sobre el suelo.
es: Presión de saturación de vapor de agua.
ea: Presión parcial de vapor.
∆: Pendiente de la curva de presión parcial de vapor.
γ: Constante psicométrica.
La evapotranspiración en el modelo WEAP se genera desde el estanque superior. Por esto,

el volumen de agua almacenado allí influye directamente en la satisfacción de la demanda
evapotranspirativa y debe ser observado con cuidado en el proceso de calibración ya que
distintas soluciones, correctas en la simulación de caudal, pueden entregar valores irreales
de evaporación.
Otro proceso de importancia en la simulación del proceso físico corresponde a la

acumulación y derretimiento de nieve. Esto se hace mediante la utilización de dos
parámetros a calibrar denominados temperatura de congelamiento (Tc) y derretimiento
(Td). Teóricamente ambos corresponden a 0°C; sin embargo, debido a fenómenos que están
siendo dejados de lado en la modelación a nivel mensual, Tc y Td son generalmente
calibrados alrededor de -5 y 5 °C respectivamente [US-SEI, 2010]. Sin embargo, producto de
la incertidumbre sobre las temperaturas en bandas altas, estos valores pueden resultar
fuera de este rango durante el proceso de calibración. Asimismo el valor de 0 grados se
aplica a valores “instantáneos”. A medida que se utilizan escalas de tiempo mayores (días,
semanas, meses) los valores de Tc y Td ya no representan necesariamente valores físicos.
Los coeficientes de derretimiento y congelamiento, determinan la proporción de agua

líquida y sólida en la precipitación y la fracción de cobertura nival que se derrite en cada
paso de tiempo. La ecuación 4 resume este último fenómeno.
( ) ( ( ) ( ) ) Ec. 4
Donde:
Pe: Aportes a la escorrentía de precipitación líquida y derretimiento de nieve.

Ac: Cobertura nival en unidades de longitud.
Pp: Precipitación total.
Ti: Temperatura media mensual del mes i.
En resumen, WEAP presenta la versatilidad de adaptarse a distintas desagregaciones

espaciales (bandas, subcuencas) como también el hecho que presenta experiencias
nacionales favorables en cuanto a modelación hidrológica, siendo el modelo utilizado en la
Segunda Comunicación Nacional de Cambio Climático e incluso para el Ministerio de Energía.
3.3.4 Selección del período de calibración

Se define como período de calibración a aquél período temporal que se utiliza para la
estimación de los parámetros a calibrar de un modelo. Del mismo modo, se denomina
“período de validación” a aquel período de tiempo en el cual se evalúa el comportamiento
de los parámetros calibrados para la correcta simulación de los valores observados que no
fueron incluidos en el proceso de calibración. Usualmente, del total de años de registro
disponible, se recomienda disponer del 70% de los datos observados para el período de
calibración y de un 30% para el período de validación. Esto aplica en la medida que se
cuente con la información suficiente para lograr una correcta calibración. En algunos casos,
las series de tiempo son más cortas, por lo que el período de validación suele reducirse y en
algunos casos a eliminarse.
La selección del período de calibración requiere de la correcta síntesis de los años de

registro y completitud de la información que se ha efectuado en las etapas anteriores. Se
debe considerar una longitud de registro idealmente superior a los 18 años (para datos
mensuales), de acuerdo al criterio explicado en el Acápite 3.3.3, para las series de
entrada involucradas, pero primordialmente para: precipitación, temperatura y caudal.
En el caso de estudio presentado en el ANEXO A, se dispuso de 38 años de estas series

observadas (27 años para calibración y 11 años para validación). Adicionalmente, se contó
con 30 años de series observadas de equivalente en agua de la nieve (19 años para
calibración y 11 años para validación), lo cual agrega antecedentes adicionales que
favorecen a la reducción de la incertidumbre de los modelos y que usualmente no están
disponibles en los estudios realizados en Chile.
Como comentario general, dadas las evidencias del salto climático que se ha observado el
año 1976 [Miller et al., 1994], que además coincide con el cambio en la tendencia de la
PDO, es conveniente considerar como año de partida al año 1976, con el fin de
independizarse del período anterior.
Por último es necesario definir la resolución temporal a utilizar. La resolución temporal es

el “paso de tiempo” en el cual se simula en el modelo. Está estrictamente ligado a la
frecuencia de muestreo de las variables de entrada. En general, para estudios de
disponibilidad hídrica y el análisis de sus usos (generación hidroeléctrica, riego, agua
potable, etc.) se recomienda adoptar una frecuencia temporal mensual.
3.3.5 Selección de cuencas de interés

La generación de las subcuencas de interés está asociada a la disponibilidad de estadística
fluviométrica y a la distribución de las estaciones de control fluviométrico en el espacio.
Cada estación (validada y chequeada su consistencia) define entonces una subcuenca, y es
utilizada para la calibración del sistema. Para que la calibración responda al
comportamiento natural del sistema hidrológico, las estadísticas fluviométricas debiesen
consistir en mediciones del régimen natural del sistema, a menos que el modelo sea armado
de tal forma que toda variación artificial que muestra la serie histórica de caudales esté
reflejada en la operación del modelo.
La Figura 3.12 presenta, a modo de ejemplo, la delimitación de subcuencas efectuada por

RHMA [2011] para el estudio de los aportes nivo-glaciares de la zona central. En este caso,
la elección de cada subcuenca se basó en la existencia de estaciones de control.
Figura 3.12: Ejemplo de selección de subcuencas de interés. Fuente: [RHMA, 2011].
Finalmente, la unión de las subcuencas de interés, la desagregación espacial y la base

conceptual (modelo de 2 estanques de WEAP) constituyen el modelo hidrológico conceptual
a aplicar en la zona de estudio.
La Figura 3.13 muestra un ejemplo del modelo hidrológico conceptual en WEAP para la
cuenca de Maipo en San Alfonso.
Figura 3.13: Ejemplo de modelo conceptual para la cuenca Maipo en San Alfonso. Fuente: Elaboración Propia.
En la figura anterior cada subcuenca tiene una estación de control fluviométrico (nodo azul)
que permite su calibración. Adicionalmente posee 5 nodos (verdes), numerados del 1 al 5,
que representan la generación de escorrentía para cada una de las 5 bandas de elevación
que en esa oportunidad se construyeron. En otras palabras, cada nodo posee una base
conceptual como la mostrada en la Figura 3.11.
3.3.6 Calibración del sistema

El proceso de calibración de un sistema puede ser entendido como la estimación de los
parámetros que definen la física del sistema modelado. Este proceso puede ser realizado,
por ejemplo, mediante la optimización de una determinada función objetivo que minimice
la diferencia entre los caudales observados y simulados, en la estación fluviométrica de
control correspondiente. En el caso de estudio (ANEXO A), además de la fluviometría, se
contó con series de equivalente en agua de la nieve, lo cual permitió calibrar de mejor
forma los parámetros relacionados con la acumulación y derretimiento de la nieve.
Idealmente, la calibración debiese ser automatizada sin intervención del operador, lo cual
no siempre es posible. En muchos casos la calibración se realiza mediante un ajuste de tipo
manual (ensayo y error). La utilización de un índice de eficiencia no es la única manera de
decidir cuándo una calibración es óptima. Complementariamente se pueden utilizar
herramientas gráficas que permitan validar la simulación de la estacionalidad (curvas de
variación estacional, comportamiento del año promedio, etc), además de otras variables
como consistencia entre la magnitud de caudal y su variación o probabilidad de ocurrencia

(a través de la comparación de las curvas de duración). Se debe tener presente que en la
medida que se aumente la resolución temporal los costos computacionales de
procesamiento son mayores, por lo que las longitudes de los registro usualmente se acortan
para compensar este efecto. Por ejemplo, completar y analizar datos diarios suele ser un
proceso más largo y complejo que el uso de datos mensuales. Por otro lado, algunos
procesos relevantes a escala diaria no lo son a nivel mensual, y viceversa.
Uno de los índices más utilizados corresponde al de Nash-Sutcliffe (NS), el cual es una
medida de la varianza del error en las estimaciones del modelo normalizado por la varianza
de los valores observados. La expresión matemática de este índice es presentada en el
Acápite 7.1.2 del ANEXO A, donde además se incluyen las expresiones de otros dos
indicadores empleados en el estudio de caso: error medio y error cuadrático medio.
El índice de NS es utilizado algunas veces en conjunto con el indicador Nash-Sutcliffe

Logarítmico (NS-Log), el que se calcula de la misma manera que el anterior, pero con los
logaritmos de los valores observados y simulados. Este índice trata de solucionar la alta
sensibilidad a los valores extremos que posee el NS, puesto que este último en general
sobreestima la importancia de los los peaks de caudal en la modelación, en desmedro de la
representación de los flujos base o flujos durante periodos secos. A través de la utilización
del índice NS-log se consigue un mayor aporte o peso relativo de los flujos base sobre los
“peaks”, sensibilizando el índice tanto a “sobre” como a “sub” estimaciones del modelo
hidrológico analizado.
Además de este indicador, el modelo se evalúa en función del coeficiente de correlación
entre los datos mensuales observados y simulados, tanto a la escala temporal de
modelación como a escalas menores que pueden ser de interés.
En lo que sigue se presentan ejemplos de los resultados que debiese contener un proceso de
calibración de modelos hidrológicos. La Figura 3.14 muestra una serie de tiempo de
caudales medios mensuales observados y simulados (distinguiendo entre el período de
calibración y el de validación). Como se puede apreciar el modelo representa la dinámica
del proceso y el ajuste promedio es adecuado, aunque se tiene problemas con la simulación
de algunos caudales máximos. La presencia de errores en la estimación a base de modelos
hidrológicos es inevitable dadas las incertezas propias de los datos de entrada, de la
conceptualización de procesos y del proceso de calibración mismo.
Figura 3.14: Ejemplo de Calibración/validación de la serie de tiempo de caudales medios mensuales para un sistema.
Fuente: Elaboración Propia.
La Figura 3.15 muestra los valores promedios de caudales medios mensuales observados y
simulados en el período completo (se aprecia la representación adecuada de la
estacionalidad), la curva de duración de los caudales medios mensuales simulados y
observados, y los gráficos de correlación entre los caudales medios mensuales y medios
anuales observados y simulados para este sistema.
Figura 3.15: Ejemplos de ajuste de los caudales medios mensuales para el proceso de calibración y validación.
Fuente: Elaboración Propia.
Finalmente, otro gráfico útil (Figura 3.16) es analizar la curva de variación estacional tanto
de los datos observados como los simulados por el modelo. Esto ratifica cuáles son los
alcances del ajuste encontrado, reforzando qué tipo y rango de caudales son los que mejor
se representan en la calibración del sistema. Es importante que cualquier comparación que
se haga de los caudales simulados con la incorporación del cambio climático (2015-2100) se
hagan respecto de los valores simulados en el período de línea base.
Estos gráficos sirven para corroborar la buena estimación de la estacionalidad y dispersión

del modelo calibrado, tanto a nivel mensual, como a nivel anual (que es relevante pues se
refiere a la cantidad total de agua simulada). Es recomendable que se presente una tabla
que resuma los indicadores de eficiencia de los modelos calibrados.
CVE observada
CVE simulada
Figura 3.16: Ejemplo de curvas de variación estacional observada y simulada para un sistema.
3.3.7 Complementos
Cuando se presentan regímenes nivo-pluviales y nivales igualmente importantes en la zona
de estudio, como ocurre en el caso de estudio (ANEXO A), se recomienda realizar siempre
que sea posible un estudio basado en el análisis de imágenes satelitales, siguiendo la
metodología de Margulis et al. [2015]. Este análisis permite tener estimaciones del
equivalente líquido en agua a través del procesamiento de imágenes satelitales [Cortés et
al., 2014a] de manera de tener un diagnóstico actual y real de esta variable y la evaluación
de su tendencia en el tiempo.
Se debe considerar que la información relativa a la acumulación de nieve es escasa en Chile

y es poco frecuente que se incluya en estudios como el que se describe esta guía. Pese a
esto, su contribución a la producción de energía hidroeléctrica es muy relevante y se
recomienda darle una mayor atención para obtener mejores estimaciones de los modelos.
Entre las variables que se pueden obtener de esta clase de análisis de imágenes satelitales
se encuentran:
- Estimación del equivalente en agua de la nieve histórico, a una resolución temporal
diaria y espacial de 180 m.
- Cobertura nival histórica en las zonas de interés, para el periodo 1984-2015.
Un ejemplo de la implementación de este análisis se presenta en la Figura 3.17 para la

cuenca del río Juncal, parte de la cuenca alta del Río Aconcagua. La figura muestra el
equivalente en agua para el 1º de Septiembre durante 30 años. En el caso de estudio
presentado en el ANEXO A, se generaron series de equivalente en agua de la nieve a escala
mensual, en cada una de las bandas de elevación de las subcuencas modeladas.
Figura 3.17: Representación distribuida del equivalente en agua de la nieve (en metros) para la cuenca del río Juncal
utilizando los métodos de Margulis et al. [2015] y Cortés et al. [2014a].
3.4 Etapa III: Incorporación de la Variable Cambio Climático

3.4.1 Selección de modelos para la zona de estudio
Se recomienda utilizar la base de datos de NASA Earth Exchange Global Daily Downscaled
Climate Projections (NEX-GDDP), que consolida la información para 21 MCG para los
escenarios RCP4.5 y RCP8.5 de cambio climático definidos por el IPCC5, cuyas principales
características se muestran en la Tabla 3.5.
Tabla 3.5: Modelos de circulación general utilizados en este estudio. Se indica su resolución original [grados], la cual
fue uniformada por NEX-GDDP para todos los modelos a 0,25°x 0,25°. Fuente: Elaboración Propia.
Resolución Resolución
Modelo Institución
Latitud Longitud
Beijing Climate Center, China Meteorological
BCC-CSM1.1 2,7906 2,8125
Administration
CanESM2 Canadian Centre for Climate Modelling and Analysis 2,7904 2,8125
MIROC-ESM Japan Agency for Marine-Earth Science and Technology, 2,7906 2,8125
Atmosphere and Ocean Research Institute (The University of
MIROC-ESM-
Tokyo), and National Institute for Environmental Studies 2,7906 2,8125
CHEM
Centre National de Recherches Meteorologiques / Centre
CNRM-CM5 Europeen de Recherche et Formation Avancees en Calcul 1,4008 1,4063
Scientifique
Commonwealth Scientific and Industrial Research

CSIRO-Mk3.6.0 Organisation in collaboration with the Queensland Climate 1,8651 1,875
Change Centre of Excellence
INM-CM4 Institute for Numerical Mathematics 1,5 2

IPSL-CM5A-LR 1,8947 3,75
Institut Pierre-Simon Laplace
IPSL-CM5A-MR 1,25 2,5
CSIRO (Commonwealth Scientific and Industrial Research
ACCESS1.0 Organisation, Australia), and BOM (Bureau of Meteorology, 1,25 1,875
Australia)
Atmosphere and Ocean Research Institute (The University of
MIROC5 Tokyo), National Institute for Environmental Studies, and 1,4088 1,4063
Japan Agency for Marine-Earth Science and Technology
National Science Foundation, Department of Energy,
CESM1-BGC 0,9424 1,25
National Center for Atmospheric Research
MPI-ESM-LR 1,9 1,9
Max Planck Institute for Meteorology (MPI-M)
MPI-ESM-MR 1,9 1,9
MRI-CGCM3 Meteorological Research Institute 1,1215 1,125
College of Global Change and Earth System Science, Beijing
BNU-ESM 2,7906 2,8125
Normal University
CCSM4 National Center for Atmospheric Research 0,9424 1,2500
NorESM1-M Norwegian Climate Centre 1,8947 2,5000
Resolución Resolución
Modelo Institución
Latitud Longitud
GFDL-CM3 2,0000 2,5000

GFDL-ESM2G Geophysical Fluid Dynamics Laboratory 2,0225 2,5000
GFDL-ESM2M 2,0225 2,5000
La información de los modelos disponibles en el CMIP5, su institución 9 y su resolución10 se

encuentran disponibles en línea.
Se recomienda utilizar una metodología de selección de MCGs que considere la evaluación

de la consistencia de la climatología de cada uno de los 21 MCG respecto a la climatología
observada en las estaciones de precipitación y temperatura de referencia, en la zona bajo
análisis. Se busca seleccionar aquel modelo en que la variabilidad y estacionalidad de las
variables simuladas sea consistente con la variabilidad y estacionalidad observada en las
estaciones meteorológicas en las que se realiza el escalamiento espacial. Adicionalmente,
con el fin de reducir la incertidumbre de las proyecciones futuras se ha considerado
adecuado evitar que la selección de los modelos represente una condición sesgada respecto
al conjunto o ensamble de los 21 MCG.
De acuerdo con estos criterios, se definen una serie de métricas específicas a cada caso que
permiten evaluar la relación de cada MCG con las estaciones meteorológicas seleccionadas.
En el caso de estudio presentado en el ANEXO A se expone el detalle de las métricas
empleadas y los resultados obtenidos para los 21 MCG. A continuación se resumen los tres
criterios considerados:
i. Representación de la estacionalidad: Se busca seleccionar a los MCG que representen
de mejor forma la estacionalidad de las variables observadas.
ii. Representación de la variabilidad: Se busca seleccionar a los MCG que representen
de mejor forma la variabilidad temporal de las variables observadas.
iii. Representatividad del cambio en escenarios futuros: Se realiza un ensamble de las
proyecciones de cambio climático de los 21 MCG y se busca seleccionar a los MCG
que representen de mejor forma dicho ensamble.
En el caso de estudio presentado en el ANEXO A, el indicador de variabilidad de
precipitaciones fue el principal determinante a la hora de escoger los MCG a utilizar,
seguido de la evaluación de la representatividad del ensamble. Los MCG seleccionados son
BCC-CSM1-1, BNU-ESM y MPI-ESM-LR, pues presentan una buena consistencia con la mediana
9
Listado completo de modelos disponibles en el CMIP5 y su institución: http://cmip-
pcmdi.llnl.gov/cmip5/availability.html
10
Resolución de los modelos disponibles en el CMIP5: https://verc.enes.org/data/enes-model-
data/cmip5/resolution
del ensamble de cambios, junto con una buena representación de la variabilidad de la

precipitación.
3.4.2 Definición de los escenarios a considerar

Tal como se señaló en el Acápite 2.3, existen diversos escenarios a considerar en las
proyecciones de cambio climático. Dentro de estos, el escenario RCP 8.5 es el que presenta
el caso más desfavorable desde el punto de vista de las emisiones de gases invernadero y de
aumentos en la temperatura. Dada la evidencia presentada, en la cual las emisiones están
lejos de seguir una trayectoria cercana a la optimista, toda planificación estratégica de
recursos debiese considerar este escenario como base.
Adicionalmente y como cota inferior de la incertidumbre, existen al menos dos escenarios
que pueden ser considerados: el escenario RCP 2.6 y el escenario RCP 4.5. Debido a que las
emisiones proyectadas para el escenario RCP 2.6 se encuentran actualmente superadas, el
escenario RCP 4.5 debiese ser el que se considere como una proyección más “favorable”
[Peters et al., 2012].
Para aquellos estudios donde no se pueda aplicar más de un escenario para formar una
banda de incertidumbre, se recomienda la elección del escenario RCP 8.5 pues, de
continuar sin cambios significativos la tendencia de emisiones actuales, puede llegar a ser
el escenario más probable en el futuro.
3.4.3 Horizonte de simulación

El horizonte de simulación depende por una parte de la disponibilidad de información de los
MCG seleccionados. Usualmente estos modelos presentan información continua entre el
período 1960-2100. En el estudio de caso presentado en el ANEXO A, el período de línea
base está disponible entre los años 1960 y 2005, sin embargo, el conjunto de los datos
observados pueden ser usados desde 1976 en adelante, lo cual limita la longitud total de la
línea base a considerar: 1976-2005 (29 años).
Dependiendo de la disponibilidad de información observada, es conveniente definir

ventanas de tiempo futura que involucren un período de años de igual o similar extensión,
de tal manera que ciertos estadísticos se calculen con el mismo número de años o
información que en la línea base escogida. Se recomienda la adopción de una ventana
mínima de 25 años para realizar los análisis estadísticos.
3.4.4 Escalamiento de variables meteorológicas

En el período de línea base (LB) se realizan las relaciones entre información observada y la
información simulada por los MCG, de manera de poder efectuar los procesos de
escalamiento espacial y temporal (corrección de sesgo).
La Figura 3.18 se presenta el esquema metodológico propuesto para estos fines (de
acuerdo a lo presentado en el ANEXO A), el cual se aplica una vez que han sido
seleccionados los MCG aplicables a la zona de estudio. Tal como se puede apreciar, en un
primer nivel, se analiza la información de entrada en términos de relleno y consistencia de
series históricas (Etapa I). En un segundo nivel, se efectúa una recopilación y escalamiento
espacial del total de los MCG a emplear. En un tercer nivel, se procede con la corrección
temporal. El escalamiento espacial se describe en el Acápite 2.4.1 y el escalamiento
temporal se describe en el Acápite 2.4.2.
Figura 3.18. Flujograma propuesto de las etapas de modelamiento y evaluación de escenarios climáticos. Fuente:
Elaboración propia.
3.4.5 Generación de resultados en línea base y futuros

Las variables de escenarios climáticos futuros, procesadas y escaladas a las condiciones
locales, son utilizadas para operar los modelos hidrológicos calibrados con la estadística
histórica. De este modo se obtiene una serie de caudales medios mensuales, para cada
cuenca de interés, correspondiente al período 2006-2099 para el o los escenarios climáticos
acordados. Los tipos de resultados generados son equivalentes a los expuestos en el proceso
de calibración.
La Figura 3.19 resume el proceso de ejecución y relación de las etapas II y III, de acuerdo
al caso de estudio presentado en el ANEXO A. El procedimiento inicia con el proceso de
calibración del modelo hidrológico. Esta calibración tiene como medidas de control de su
calidad a: indicadores de ajuste, relaciones gráficas entre caudales observados y simulados
y variaciones del tipo probabilísticas, presentadas en curvas de duración o curvas de
variación estacional.
Una vez que se alcanza el nivel adecuado de representatividad de la cuenca a modelar,
esto es, se respeta tanto su estacionalidad como los órdenes de magnitud de sus caudales,
se procede a la etapa de validación del modelo hidrológico, midiéndose también con los
mismos parámetros de control del proceso anterior. Esto finaliza la Etapa II.
Etapa II
Etapa III
(Donde MCG corresponde a los modelos climáticos globales).
Figura 3.19. Flujograma propuesto para las etapas de procesamiento del escalamiento de los modelos climáticos
globales. Fuente: Elaboración propia.
Donde:
PObs y TObs corresponden a la precipitación y temperatura observadas en el período
indicado;
QSim y QSim : Caudal simulado y observado;

PSim y TSim: precipitación y temperatura simuladas;
Coef. N-S: Coeficiente Nash-Sutcliffe;

CVE: Curva de variación estacional;
CD: Curva de duración.

Cuando ya se tiene el modelo hidrológico calibrado y validado, se utiliza la información
generada en la Etapa III, esto es, las series de precipitación y temperatura post proceso de
escalamiento espacial y temporal, para generar los caudales hacia el año 2099. Estos
caudales son inputs para la Etapa IV, y por consiguiente, permiten evaluar el impacto en el
potencial hidroeléctrico.
El tipo de resultados que se espera obtener pueden apreciarse en diferentes tipos de figuras.
La Figura 3.20, muestra la distribución de caudales medios mensuales en el año promedio
y su variabilidad en la línea base. Además, presenta las curvas de duración de los caudales
medios mensuales para 3 MCG 11 distintos, considerando 3 ventanas de tiempo diferentes (LB,
2011-2040, 2041-2070).
Figura 3.20: Ejemplo de resultado. Comportamiento del modelo hidrológico en LB y períodos futuros para un
escenario de cambio climático. Panel superior izq: Comparación de caudales medios mensuales simulados con datos
históricos (negro) y simulados por GCMs o MCG seleccionados en LB (área gris). Otros: Comparación de las curvas de
duración de los caudales medios mensuales simulados con datos históricos (Sim LB) y simulados por GCMs para LB
(azul) y períodos futuros (verde y rojo).Fuente: Elaboración Propia.
11
La figura utiliza la abreviación GCM para modelo de circulación general, por las siglas en ingles.
Adicionalmente, para evaluar cambios estacionales, la Figura 3.21 muestra la variación de

caudales para el año promedio en LB y en las diferentes ventanas de tiempo u análisis. Se
debe tener presente que esto debe realizarse para cada MCG escogido (de ahí que existan
bandas inferiores y superiores para cada período), por lo que es conveniente definir una
probabilidad de excedencia representativa como indicador numérico para cuantificar de
mejor manera la variabilidad e incertidumbre de los resultados. Adicionalmente la figura
presenta la variabilidad de los montos promedio por período analizado, junto a su
incertidumbre asociada.
Figura 3.21: Ejemplo de resultado. Variación estacional y montos por período para el modelo hidrológico para un
escenario de cambio climático escogido. Panel Sup: Variación estacional del año promedio en LB (SimLB) y períodos
futuros (gris y rojo). Panel Inf: Magnitud y variabilidad (amarillo) del caudal medio anual para los períodos de LB
(negro) y futuro (gris y rojo). Fuente: Elaboración Propia.
3.5 Etapa IV: Estimación de los Impactos en la Generación Hidroeléctrica

Para este análisis, se requiere estudiar la relación entre la generación bruta del sistema
bajo estudio y las estadísticas de operación del sistema interconectado de generación
eléctrica respectivo, en particular del afluente al sistema de generación. En el caso de
estudio, basados en la información de energía afluente al SIC de la Comisión Nacional de
Energía (CNE) y la información de generación bruta mensual extraída de los anuarios de
estadísticas de operación del CDEC-SIC el estudio de CEPAL [2009a] se pudo establecer una
relación entre la generación bruta de la cuenca del Maule Alto y la energía bruta total
afluente al Sistema Interconectado Central (SIC). Estos antecedentes son empleados y
actualizados en el estudio de caso presentado en el ANEXO A. Se sugieren análisis similares
para estudiar otras zonas de Chile, empleando las mismas bases de datos.
En la Figura 3.22 es posible observar que la energía hidroeléctrica total afluente al SIC se
relaciona fuertemente con aquella generada en el sistema Maule, lo cual da cuenta de la
relevancia de la zona seleccionada para el estudio de caso que acompaña a esta guía
(ANEXO A). Este gráfico se presenta para el período 1993 – 2005, que corresponde al
intervalo en que se tiene información concurrente para todos los elementos del sistema
[CEPAL, 2009a].
Generación Anual de Maule Alto + Colbún respecto a Energía

Afluente Total al SIC
30.000 9.000
8.000
25.000
Energía Bruta Maule Alto +

Energía Afluente SIC
7.000
20.000 6.000
Colbún [GWh]
[GWh]
5.000
15.000
4.000
10.000 3.000
2.000
5.000
1.000
0 0
4
5
-9
-9
-9
-9
-9
-9
-0
-0
-0
-0
-0
-0
93
94
95
96
97
98
99
00
01
02
03
04
Año Hidrológico
Energía afluente SIC Maule Alto + Colbún
Figura 3.22: Relación entre energía bruta generada en la zona de estudio y la energía bruta afluente al SIC-H.
Fuente: Fuente: [CEPAL, 2009a].
Como se aprecia, el Sistema Maule Alto analizado en el estudio de caso aporta una fracción
de la energía total generada por el SIC, pero existe una clara correspondencia entre el
global y lo local. De acuerdo a esto, es posible proponer el uso de los resultados de impacto
climático obtenidos en el ANEXO A para obtener estimaciones gruesas de lo que podría
esperarse en el SIC.
3.5.1 Construcción de la relación entre caudal y energía

En cualquier zona con generación hidroeléctrica que se requiera estudiar, se debe estudiar
la relación de los caudales en régimen natural con la energía producida por las centrales
existentes (capacidad instalada).
Para esto es necesario construir una serie de caudales que represente la oferta hídrica
susceptible de producir generación. Por lo tanto, se debe calcular la correlación entre la
energía generada por las centrales existentes (previamente catastradas) y los caudales
observados a nivel mensual y anual, para el período con información concurrente disponible.
En el Acápite 6.3.4 del ANEXO A se detalla la metodología y resultados obtenidos en el
presente estudio. Adicionalmente, en el Acápite 6.3.5 del ANEXO A se incluye la
metodología para evaluar la capacidad potencial de la zona de estudio.
A continuación se muestran las relaciones determinadas en un estudio anterior [CEPAL,

2009a] y que confirman la existencia de estas relaciones.
Existen antecedentes que permiten concluir que la relación entre los caudales simulados a
nivel mensual y anual (para un año promedio) con la energía mensual y anual posee un
comportamiento lineal [CEPAL, 2009a]. En la Figura 3.23 se muestra a modo de ejemplo la
relación entre el caudal medio mensual promedio (1993-2007) y la energía bruta generada
para el ejercicio en el sistema Maule Alto para el mismo período. Se ve que para el
cuatrimestre más seco (caudales menores que 150 m3/s) los valores se ajustan muy bien
entre sí, mientras que para meses más húmedos existe más dispersión. En el caso anual
(Figura 3.24), el ajuste en torno a la mejor recta es más parejo, y las dispersiones son
aproximadamente equivalentes en todo el rango de caudales medios anuales observados.
800
Energía Media Mensual [GWh]
700
600
500
400
300
200 y = 0,8866x + 426,91
R2 = 0,8148
100
0
0 50 100 150 200 250 300 350
Caudal Medio Mensual [m3/s]
Figura 3.23: Relación entre el caudal medio mensual promedio histórico afluente al Sistema Maule Alto y la energía
media mensual promedio histórica producida en la zona. Fuente: [CEPAL, 2009a].
9.000
8.000
Energía Total Anual [GWh]
7.000
6.000
5.000
y = 10,347x + 5179,5
4.000
R2 = 0,7202
3.000
2.000
1.000
0
0 50 100 150 200 250 300
Caudal Medio Anual [m3/s]
Figura 3.24: Relación entre el caudal medio anual efluente del Sistema Maule Alto y la energía total anual producida
en la zona. Fuente: [CEPAL, 2009a].
También es posible relacionar la serie completa de caudales afluentes al sistema en estudio

con la energía generada, de manera de tener un análisis a una escala temporal diferente
[CEPAL, 2009a]. La Figura 3.25 muestra la relación que se puede obtener al efectuar este
ejercicio, en este caso aplicado a la zona de estudio que se utiliza en el estudio de caso
(ANEXO A).
900
Energía generada mensual Maule Alto-
800
700
600
Colbún [GWh]
500
400
y = 158,13Ln(x) - 207,48
300
R2 = 0,7211
200
100
0
0 100 200 300 400 500 600
Caudal afluente mensual Maule Alto [m3/s]
Figura 3.25: Relación entre el caudal medio mensual afluente al Sistema Maule Alto y la energía media mensual
producida en la zona, para el período concurrente 1993-2007. Fuente: [CEPAL, 2009a].
3.5.2 Simulación de las series de generación hidroeléctrica a futuro

Este paso corresponde a la aplicación de las relaciones encontradas para la generación de
los resultados de la variación futura de la energía generada por las centrales existentes.
Además se puede simular la generación de la capacidad potencial, empleando las relaciones
presentadas en el Acápite 6.3.5 del ANEXO A.
Estos resultados pueden presentarse empleando las mismas figuras e indicadores empleados
en el caso de los caudales simulados. Por ejemplo, a través de series de tiempo mensuales
energía generada, curvas de variación estacional y curvas de duración para mostrar tanto
los cambios en montos como estacionales. En el Capítulo 7 del ANEXO A se indica la
estructura de presentación de resultados, así como los análisis realizados en cada caso.
3.5.3 Análisis de Resultados

Es importante estudiar los cambios que se proyectan en los caudales y la generación de
energía, respecto a la línea base. Estos cambios pueden tener diversos motivos, los cuales
podrían observarse a partir de los resultados obtenidos. Por ejemplo, en el estudio de caso
(ANEXO A) es posible analizar la reducción de los caudales y cuánto de esto se podría deber
a la menor acumulación de nieve.
Los cambios deben ser además coherentes entre el caudal y la energía, dada la relación que
existe entre ambas variables. Esta coherencia se puede analizar verificando que los cambios
en la estacionalidad sean consistentes, al igual que los cambios en la variabilidad.
Otro elemento que debe ser abordado en el análisis de resultados, así como indicado en
distintas partes del estudio, según corresponda, tiene relación con la incertidumbre
inherente en los resultados. Por ejemplo, la información empleada puede ser insuficiente
en algunas variables de interés y los supuestos pueden resultar fundamentales para
completar la información. Estos aspectos pueden afectar la confianza en los resultados, por
lo cual debieran ser indicados en el estudio y analizados al final de éste. Este análisis
permite también realizar sugerencias o recomendaciones que permitan disminuir la
incerteza en futuros estudios.
4 BIBLIOGRAFÍA
Código Referencia Bibliográfica

Agencia Regional de Desarrollo Productivo. 2009. Actualización de la Agenda Regional de Desarrollo
[ARDP, 2009]
Productivo e Innovación Región del Maule. Informe Final. Elaborado por la Universidad de Talca.
[ASICENT, Asociación de Industriales del Centro. 2013. Informe Económico: La Industria Manufacturera de la Región
2013] del Maule.
Ayala, A., 2011. Impactos del cambio climático sobre la operación del sistema hídrico de la laguna Laja.
[Ayala, 2011] Tesis para optar al grado de Magíster en Ciencias de la Ingeniería, Departamento de Ingeniería Civil,
Universidad de Chile
[Besalco, Besalco Energía Renovable. 2013. Presentación de Besalco Energía Renovable S.A., Proyectos de
2013] Generación y Costos Marginales de Energía.
Biblioteca del Congreso Nacional. 2010. Sistema Integral de Información Territorial. Disponible en línea:
[BCN, 2010]
http://siit2.bcn.cl/
[CADE-IDEPE, CADE- IDEPE. 2004. Diagnóstico y clasificación de los cursos y cuerpos de agua según objetivos de calidad.
2004] Cuenca del río Maule. Elaborado para la Dirección General de Aguas, Ministerio de Obras Públicas, Chile.
Carrasco, J., R. Osorio and G. Casassa. 2008. Secular trend of the equilibrium line altitude in the western
[Carrasco et
side of the southern Andes derived from radiosonde and surface observations. Journal of Glaciology,
al., 2008]
54(186), 538-550.
Centro de Despacho Económico de Carga del Sistema Interconectado Central. 2015. Reporte Anual 2014.
[CDEC SIC,
Disponible en Línea: http://www.cdecsic.cl/wp-content/uploads/2015/07/reporte-anual-CDECSIC-
2015a]
correcciones.pdf
Centro de Despacho Económico de Carga del Sistema Interconectado Central. 2015. Capacidad Instalada.
[CDEC SIC,
Disponible en Línea: http://www.cdecsic.cl/informes-y-documentos/graficos-y-estadisticas/capacidad-
2015b]
instalada/
Centro de Despacho Económico de Carga del Sistema Interconectado Central. 2015. Estadística
[CDEC SIC, actualizada de afluentes semanales a centrales hidroeléctricas del SIC. Información autorizada por
2015c] Ernesto Huber (ehuber@cdecsic.cl) y enviada vía correo electrónico por Juan Donoso
(jmdonoso@cdecsic.cl).
Centro de Despacho Económico de Carga del Sistema Interconectado Central. 2015. Estadística de
[CDEC SIC,
operación real del Sistema Interconectado Central. Disponible en línea: http://www.cdecsic.cl/informes-
2015d]
y-documentos/fichas/operacion-real/
Centro de Despacho Económico de Carga del Sistema Interconectado Central. 2014. Catastro de Energías
[CDEC SIC,
Renovables no Convencionales (ERNC). Disponible en Línea: www.cdecsic.cl/wp-
2014]
content/uploads/2014/07/Catastro-ERNC4.xls
CEPAL. 2009. Análisis de vulnerabilidad del sector hidroeléctrico: disponibilidad futura de los recursos
[CEPAL, hídricos en Chile frente a escenarios de cambio climático. Estudio elaborado por James McPhee.
2009a] Disponible en Línea: http://www.cepal.org/es/publicaciones/5687-analisis-de-la-vulnerabilidad-del-
sector-hidroelectrico-frente-escenarios-futuros
CEPAL. 2009. Disponibilidad futura de los recursos hídricos frente a escenarios de cambio climático en
[CEPAL, Chile. Estudio elaborado por Ximena Vargas. Disponible en Línea:
2009b] http://www.cepal.org/es/publicaciones/5691-disponibilidad-futura-de-los-recursos-hidricos-frente-
escenarios-de-cambio
Comisión Nacional de Energía. 2015. Capacidad Instalada por Sistema Eléctrico Nacional (archivos XLS y
[CNE, 2015]
KMZ). Septiembre 2015. Disponible en Línea: http://dataset.cne.cl/Energia_Abierta/S_Electrico/
Comisión Nacional de Energía. 2015. Centrales de Generación en Construcción por Sistema
[CNE, 2014]
Interconectado. Diciembre 2014. Disponible en Línea: http://dataset.cne.cl/Energia_Abierta/S_Electrico/
Comisión Nacional de Riego. 2000. Atlas Agroclimático de Chile SIG. Disponible en Línea:
[CNR, 2000]
http://esiir.cnr.gob.cl [última consulta: 14 de Mayo, 2009].
[CONAF, Corporación Nacional Forestal. 2015. Sistema de Información Territorial. Disponible en línea:
2015] http://sit.conaf.cl/
[CONAMA,
Comisión Nacional del Medio Ambiente. 2011. Uso de suelos en formato SIG.
2011]
[CONICYT, Comisión Nacional de Investigación Científica y Tecnológica. 2010. Región del Maule: Diagnóstico de las
2010] Capacidades y Oportunidades de Desarrollo de la Ciencia, la Tecnología y la Innovación.
[Cortés et Cortés, G., Girotto, M., & Margulis, S. A. 2013. A snow water equivalent reanalysis case study over an
al., 2013] Andean watershed. In AGU Fall Meeting Abstracts (Vol. 1, p. 0628).
Cortés G., Girotto M., & Margulis S. A., 2014. Analysis of sub-pixel snow and ice extent over the
[Cortés et
extratropical Andes using spectral unmixing of historical Landsat imagery. Remote Sensing of
al., 2014a]
Environment, 141, 64-78.
Cortés, G., Girotto, M., & Margulis, S. A. 2014b. Snow Water Equivalent Reanalysis Over a Scarce Data
[Cortés et
Region Via Assimilation of Snow Covered Area from Landsat 5, 7 and 8. In AGU Fall Meeting Abstracts (Vol.
al., 2014b]
1, p. 0411).
[Cortés, Cortés, G. 2016. Gaining insight into Andean snowpack climatology and change using a snow reanalysis
2016] approach applied over the Landsat satellite record. PhD thesis (in preparation), UCLA.
Centro del Clima y la Resiliencia. 2013. Base de Datos de Caudales, Precipitaciones y Temperaturas, de
[CR2, 2013] enero 1940 a diciembre 2013. Disponible en Línea: http://www.cr2.cl/recursos-y-publicaciones/bases-de-
datos/
[DCA&RNR, Departamento de Ciencias Ambientales y Recursos Naturales Renovables. 2009. “Gestión Integrada de los
2009] Recursos Hídricos en Chile”. Informe Final. Preparado para Biblioteca del Congreso Nacional – BID.
Dirección General de Aguas. 2015. Mapoteca: Base de datos geográfica oficial. Disponible en Línea:
[DGA, 2015]
http://documentos.dga.cl/KML/
Dirección General de Aguas. 2014. Estimación preliminar de las recargas de aguas subterráneas y
[DGA, 2014] determinación de los sectores hidrogeológicos de aprovechamiento común en las cuencas de las regiones
del Maule, Biobío, La Araucanía, Los Ríos y Los Lagos. DARH, SDT N°359.
Dirección General de Aguas. 2011. MINUTA DCPRH Nº 267: Establece Criterios y Metodología para la
[DGA, 2011] Determinación de Caudal Ecológico en el Marco del SEIA. Elaborado por el Depto. de Conservación y
Protección de los Recursos Hídricos.
Dirección General de Aguas. 2010. Levantamiento de información hidrogeológica para modelación cuenca
[DGA, 2010]
del río Maule. Informe Final. Realizado por GCF Ingenieros Ltda. S.I.T. N°222.
Dirección General de Aguas. 2008. Plan director para la gestión de los recursos hídricos cuenca del río
[DGA, 2008] Maule: actualización del modelo de operación del sistema y formulación del plan. Elaborado por Luis
Arrau del Canto Consultores en Ingeniería Hidráulica y de Riego.
Dirección General de Aguas. 2005. Modelación hidrológica de cuencas pluviales, hoya hidrográfica del río
[DGA, 2005a]
Maule. Informe Final.
Dirección General de Aguas. 2005. Evaluación de los Recursos Hídricos Superficiales en la Cuenca del río
[DGA, 2005b] Maule. Informe Técnico elaborado por el Departamento de Administración de Recursos Hídricos (DARH).
S.D.T. Nº 197.
[DGA, 1986] Dirección General de Aguas. 1986. Mapa Hidrogeológico de Chile. Escala 1:2.500.000. Texto Explicativo.
DGF-CONAMA, 2006. Estudio de la Variabilidad Climática en Chile para el siglo XXI. Realizado para la
[DGF-
Comisión del Medio Ambiente por el Departamento de Geofísica de la Universidad de Chile. DGF, FCFM,
CONAMA,
Universidad de Chile. Explorador de Energía Eólica. Disponible en línea:
2006]
http://walker.dgf.uchile.cl/Explorador/Eolico2.html
Departamento de Ingeniería Civil, FCFM, Universidad de Chile. 2010. Análisis de Vulnerabilidad de
recursos hídricos frente a escenarios de cambio climático para las cuencas Cautín, Aconcagua, Teno e
[DIC, 2010]
Illapel. Realizado para Comisión del Medio Ambiente por el Departamento de Ingeniería Civil de la
Universidad de Chile.
Edwards, Sergio. 1980. Central Hidroeléctrica Curillinque: Estudio Preliminar. Memoria para optar al título
[Edwards,
de Ingeniero Civil. Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Civil,
1980]
Universidad de Chile.
[Falvey & Falvey, M., & Garreaud, R. D. (2009). Regional cooling in a warming world: Recent temperature trends in
Garreaud, the southeast Pacific and along the west coast of subtropical South America (1979–2006). Journal of
2009] Geophysical Research: Atmospheres (1984–2012), 114(D4).
[Garreaud, Garreaud, R., 2011: Cambio Climático: Bases físicas e impactos en Chile. Revista Tierra Adento (INIA-
2011] Chile), No. 93. (Mar-Abr 2011), 13-19.
[Girotto et Girotto, M., Margulis, S. A., & Durand, M. 2014. Probabilistic SWE reanalysis as a generalization of
al., 2014a] deterministic SWE reconstruction techniques. Hydrological Processes, 28(12), 3875-3895.
Girotto, M., Cortés, G., Margulis, S. A., & Durand, M. (2014b). Examining spatial and temporal variability
[Girotto et
in snow water equivalent using a 27 year reanalysis: Kern River watershed, Sierra Nevada. Water
al., 2014b]
Resources Research, 50(8), 6713-6734.
Gómez, Tomás. 2013. Análisis del Impacto del cambio climático en la generación hidroeléctrica de
[Gómez,
centrales de la cuenca del Alto Cachapoal. Memoria para optar al título de ingeniero civil, Universidad de
2013]
Chile.
Instituto Nacional de Estadística. 2007. Censo Agropecuario y Forestal 2007. Disponible en línea:
[INE, 2007]
http://www.ine.cl/canales/chile_estadistico/censos_agropecuarios/censo_agropecuario_07_comunas.php
Instituto Nacional de Estadística. 2011. Informe Económico Regional. Evolución Económica Región del
[INE, 2011]
Maule año 2010.
Instituto Nacional de Estadística. 2015. Informe Económico Regional. Evolución Económica Región del
[INE, 2015]
Maule año 2014.
Instituto de Investigaciones Agropecuarias. 2010. Eficiencia en sistemas de riego por goteo en el secano.
[INIA, 2010] Publicado en Revista Tierra Adentro N° 88, Enero – Febrero 2010. Disponible en línea:
http://www2.inia.cl/medios/biblioteca/ta/NR36672.pdf
IPCC Working Group I Contribution to the IPCC Fifth Assessment Report Climate Change 2013. The Physical
[IPCC, 2013] Basis. Disponible en línea: http://www.climatechange2013.org/images/uploads/WGIAR5_WGI-
12Doc2b_FinalDraft_All.pdf
Lara, A., Little, C., Urrutia, R., McPhee, J., Alvarez-Garretón, C., Oyarzún, C., Soto, D., Donoso, P.,
[Lara et al.,
Nahuelhual, L., Pino, M. & Arismendi, I. 2009. Assessment of ecosystem services as an opportunity for the
2009]
conservation and management of native forests in Chile. Forest Ecology and Management 258: 415–424.
Little, C., Lara, A., McPhee, J. & Urrutia, R. 2009. Revealing the impact of forest exotic plantations on
[Little et al.,
water yield in large scale watersheds in South-Central Chile. Journal of Hydrology, Volume 374, Issues 1–
2009]
2, Pages 162–170.
[Llamas, Llamas, J. 1993. "Hidrología general: Principios y aplicaciones". Servicio Editorial de la Universidad del
1993] País Vasco.
Mardones, M., Jara, J. y Vargas, J. 2007. El patrón hidrográfico de la cuenca del río Blanco: control
[Mardones et
tectónico y geomorfológico. Revista de Geografía Norte Grande, 38: 79-98. Disponible en línea:
al., 2007]
http://dx.doi.org/10.4067/S0718-34022007000200005
[Margulis et Margulis, S. A., Girotto, M., Cortés, G., & Durand, M. (2015). A Particle Batch Smoother Approach to Snow
al., 2015] Water Equivalent Estimation. Journal of Hydrometeorology, (2015).
McPhee J., Rubio E., Meza R., Ayala A. y X. Vargas, 2009. Proyecciones de impacto del cambio climático
[McPhee et
sobre cuencas andinas de Chile Central: aplicación a cuencas de Maule Alto y Laja. Sociedad Chilena de
al., 2009]
Ingeniería Hidráulica, XIX Congreso Chileno de Hidráulica.
McPhee J., Rubio-Alvarez E., Meza R., Ayala A., Vargas X. and Vicuña S., 2010. An Approach to Estimating
[McPhee et
Hydropower Impacts of Climate Change from a Regional Perspective. Watershed Management 2010: pp.
al., 2010]
13-24.
[Miller et al., Miller, A. J., Cayan, D. R., Barnett, T. P., Graham, N. E., & Oberhuber, J. M. (1994). The 1976–77 climate
1994] shift of the Pacific Ocean. Oceanography, 7(1), 21-26.
Ministerio de Energía. 2011. Selección y aplicación de un modelo hidrológico para estimar los impactos del
cambio climático en la generación de energía del sistema interconectado central. Revisión B. Encargado
[MINENERGIA,
por la Subsecretaría de Energía al Departamento de Ingeniería Civil, Facultad de Ciencias Físicas y
2011]
Matemáticas, Universidad de Chile. Disponible en línea:
http://dataset.cne.cl/Energia_Abierta/Estudios/Minerg/40.Informe_Final_rev_B%281163%29.pdf
Ministerio de Energía, Dirección General de Aguas y Departamento de Geofísica de la U. de Chile. 2014.
[MINENERGIA
Explorador de Derechos de Aprovechamiento de Agua No Consuntivos. Base de datos del potencial
- DGA – DGF,
hidroeléctrico de Chile hasta el 2014. Disponible en Línea:
2014]
http://walker.dgf.uchile.cl/Explorador/DAANC/
[ODEPA, Oficina de Estudios y Políticas Agrarias. 2013. Región del Maule: Información Regional 2013. Ministerio de
2013] Energía.
Publicaciones Lo Castillo S.A. (Ed). 2014. Anuario del Campo 2014. Disponible en línea:
[PLC, 2014]
http://www.portaldeagricultura.cl/wp-content/uploads/2015/07/AC_2014_.pdf
[Peters et Peters, G. P., Marland, G., Le Quéré, C., Boden, T., Canadell, J. G., & Raupach, M. R. 2012. Rapid growth
al., 2012] in CO2 emissions after the 2008-2009 global financial crisis. Nature Climate Change, Vol. 2, 1, Pages 2-4.
División de Recursos Hídricos y Medio Ambiente, Departamento de Ingeniería Civil, Universidad de Chile.
[RHMA, 2011] 2011. Investigación de los aportes nivoglaciares en algunas cuencas de los ríos Aconcagua, Maipo y Rapel;
y estimación de los efectos del cambio climático. Elaborado para la Dirección General de Aguas (DGA).
Rojas, M. 2012. Simulaciones de cambio climático regional para Chile obtenidos por el modelo PRECIS-
[Rojas, 2012] ECHAM. Proyecto Anillos SOC-28: Impactos Sociales Ambientales del Cambio Climático Global en la Región
del Bío-Bío. Disponible en línea: http://mirasol.dgf.uchile.cl/PRECIS-ECHAM.html
Teco Group & Centro UC de Cambio Global. 2015. “BASE PARA PLANIFICACIÓN TERRITORIAL EN EL
[TG&CUCCG,
DESARROLLO HIDROELÉCTRICO FUTURO”. Tercer Informe. Preparado para Ministerio de Energía.
2015]
[UNTEC, Fundación para la transferencia tecnológica. 2012. Presentación estudio: Metodología para el cálculo del
2012] potencial de generación con ERNC en cauces naturales.
Vargas, X. 2008. Análisis de vulnerabilidad y adaptación del sector silvoagropecuario y de los recursos
[Vargas,
hídricos y edáficos de Chile frente al cambio climático. Realizado por AGRIMED para la Comisión del Medio
2008]
Ambiente.
[Wood et al., Wood, A., Leung, L., Sridhar, V. & Lettenmaier, D. 2004. Hydrologic implications of dynamical and
2004] statistical approaches to downscaling climate model outputs. Climatic Change 62, 189–216.

Anexo 4 - MENR-15-001 - Guia Metodologica Rev.B 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

Anexo 4 - MENR-15-001 - Guia Metodologica Rev.B PDF

Cargado por

Copyright:

Formatos disponibles

DETERMINACIÓN DEL IMPACTO DEL CAMBIO CLIMÁTICO EN EL

POTENCIAL ESPERADO DE GENERACIÓN HIDROELÉCTRICA

Anexo 4 – Guía Metodológica

Este informe fue elaborado en el contexto de un estudio encomendado por el

Las opiniones vertidas en este documento son de exclusiva responsabilidad

2 INTRODUCCIÓN A LA MODELACIÓN DEL CLIMA Y CAMBIO CLIMÁTICO ...... 5

2.2 Modelos de Circulación General (MCG) ....................................................... 7

2.3.1 Contexto local .............................................................................. 12

2.4.1 Escalamiento espacial (spatial disaggregation) ....................................... 15

2.5 Ejemplos de Impactos Nacionales Documentados ......................................... 19

3 METODOLOGÍA DE ANÁLISIS DEL IMPACTO DEL CAMBIO CLIMÁTICO ...... 23

3.2 Etapa I: Levantamiento y Análisis de Antecedentes ...................................... 27

3.2.2 Levantamiento de información hidrometeorológica y de operación ............... 28

3.2.4 Levantamiento de información base de modelos de circulación general (MCG) . 34

3.3.1 Desagregación espacial del sistema ..................................................... 34

3.3.3 Selección del modelo hidrológico ....................................................... 37

3.3.6 Calibración del sistema ................................................................... 48

3.4 Etapa III: Incorporación de la Variable Cambio Climático ................................ 54

3.4.2 Definición de los escenarios a considerar .............................................. 56

3.4.4 Escalamiento de variables meteorológicas............................................. 56

3.5.1 Construcción de la relación entre caudal y energía .................................. 61

3.5.3 Análisis de Resultados ..................................................................... 63

2 INTRODUCCIÓN A LA MODELACIÓN DEL CLIMA Y CAMBIO CLIMÁTICO

Para lo anterior, el capítulo se centra en la comprensión de las herramientas disponibles

2.1 Contexto del Clima a Nivel Global

Las tendencias presentadas en la Figura 2.1 tienen el potencial de provocar cambios

Los cambios en el clima no se han manifestado sólo en términos de temperaturas, sino

2.2 Modelos de Circulación General (MCG)

La comunidad científica ha desarrollado los modelos de circulación general (MCG) para

superficie terrestre que resuelven ecuaciones de conservación de masa, momentum y

En un intento por explicar las anomalías de temperatura observadas a nivel mundial, la

Figura 2.3: Observaciones y simulaciones (ensamble) de las anomalías de temperatura global

2.3 Definición de Escenarios de Cambio Climático

Para el escenario RCP8.5, los cambios globales en precipitación y escorrentía anticipados

2.3.1 Contexto local

En el estudio de Rojas [2012] las proyecciones de temperaturas y precipitación se obtienen

2.4 Escalamiento de Variables Meteorológicas

Los requerimientos computacionales en el caso del escalamiento dinámico son elevados,

Para realizar el escalamiento o downscaling de las variables meteorológicas entregadas por

Figura 2.10: Ejemplo de resolución espacial de MCG.

2.4.1 Escalamiento espacial (spatial disaggregation)

El objetivo del escalamiento espacial es relacionar las variables meteorológicas observadas

Administration de EEUU (NOAA) disponibles en la web

Como se menciona anteriormente, la metodología empleada para el escalamiento espacial

Las ecuaciones 2.1 y 2.2 muestran la interpolación realizada primero en la dirección x:

Luego, la Ecuación 2.3 muestra la interpolación realizada en la dirección y de los valores

2.4.2 Escalamiento temporal (bias correction)

El procedimiento ha sido ampliamente estudiado y se sugiere escalar tanto la temperatura

El objetivo de esta clase de figuras es informar sobre el grado de ajuste conseguido en el

2.5 Ejemplos de Impactos Nacionales Documentados

3 METODOLOGÍA DE ANÁLISIS DEL IMPACTO DEL CAMBIO CLIMÁTICO

1. Levantamiento y análisis de antecedentes de la zona de estudio;

hidrológica y geomorfológica de la zona de estudio, a reconstruir el régimen natural de los

Hasta esta etapa no se ha discutido siquiera la incorporación de la variable de cambio

En relación al cambio climático, la comunidad científica nacional ha presentado una

En relación al análisis de energía versus caudal disponible, se evalúa la información

El paso siguiente constituye simular, utilizando el modelo hidrológico previamente

 Etapa I: Levantamiento y análisis de antecedentes de la zona de estudio. Esta etapa

 Etapa II: Modelación Hidrológica en régimen natural y estimación de los recursos

 Etapa IV: Estimación de los impactos en la generación hidroeléctrica a partir de los

o Construcción de la relación entre caudal y energía; definición de supuestos

3.2 Etapa I: Levantamiento y Análisis de Antecedentes

3.2.1 Levantamiento de centrales hidroeléctricas