Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Abril 2013
Stockholm Environment Institute
400 F Street, Suite A
Davis, CA, 95616, USA
Tel +1 530.753.3035 x7
Fax +1 530.753.3477
Web: www.sei-international.org
CONTENIDO
Resumen ejecutivo .......................................................................................................... 3
Estudio de caso: Agua para La Paz y El Alto ...................................................................... 3
Metodología ..................................................................................................................... 4
El cambio climático y la incertidumbre............................................................................... 6
Posibles estrategias de gestión del agua ............................................................................ 6
Evaluación e identificación de estrategias robustas ............................................................ 7
Presentación de los resultados ........................................................................................... 7
Figura RE-3: Visualización de los resultados del modelaje.................................................. 8
Recomendaciones de política ............................................................................................ 8
1. La toma de decisiones bajo incertidumbre climática ................................................ 10
1.1 Mapa de actores: Participación de organizaciones clave ............................................ 13
1.2 XLRM: Formulación organizada del problema y de los escenarios .............................. 13
Identificación de incertidumbres exógenas que afectan el futuro (X)................................ 14
Estrategias de manejo y acciones a corto plazo (L) ........................................................ 14
Relaciones o modelos para generar escenarios (R)......................................................... 15
Medidas de desempeño para clasificar escenarios (M) .................................................. 15
1.3 WEAP: Construcción del ambiente de modelación ..................................................... 15
1.4 Clima: Escenarios y variabilidad climática futura ....................................................... 16
1.5 Ensamble: Análisis de vulnerabilidad basado en escenarios ...................................... 17
1.6 Tableau: Uso de computadores para visualización de medidas .................................. 20
1.7 Apoyo de decisiones robustas en la práctica .............................................................. 20
2. Resiliencia climática del sistema de agua para la Paz y El Alto ............................... 23
2.1 Sistemas de abastecimiento de agua para La Paz y El Alto ......................................... 23
Sistema Achachicala ..................................................................................................... 25
Sistema Pampahasi ...................................................................................................... 25
Sistema El Alto ............................................................................................................. 25
Sistema Tilata ............................................................................................................... 26
2.2 Mapa de actores: Organizaciones clave .................................................................... 26
2.3 XLRM: Formulación del problema.............................................................................. 27
Incertidumbres/factores exógenos (X) ............................................................................ 28
Estrategias de gestión (L) .............................................................................................. 32
2.4 WEAP: Construcción del Modelo (R) .......................................................................... 38
Consistencia de datos de precipitación .......................................................................... 39
Calibración de módulo glaciar e hidrológico ................................................................. 39
Calibración de los embalses ......................................................................................... 42
2.5 Clima: Escenarios futuros .......................................................................................... 44
2.6 Ensamble: Automatización de corridas ...................................................................... 47
2.7 Tableau: Visualización de medidas ............................................................................ 49
Medidas por cuenca ..................................................................................................... 50
Medidas por sistema de agua ....................................................................................... 52
2.8 Conclusiones Proyecto Agua para La Paz y El Alto ..................................................... 64
Sobre los resultados y el Análisis de Decisiones Robustas ............................................... 64
Sobre el proceso de generación de capacidades ........................................................... 65
3. Proyecto Olmos en Perú ........................................................................................... 67
3.1 Incertidumbres y factores exógenos (X) ...................................................................... 68
El Proyecto Alto Piura (X1) ............................................................................................. 68
Uso municipal e industrial (X2) ...................................................................................... 69
Requerimientos de caudal (IFR) en el Río Huancabamba (X3) ......................................... 69
Cambio climático (X4)................................................................................................... 70
3.2 El modelo WEAP del Proyecto Olmos (R).................................................................... 71
Caudales del Río Huancabamba y su contexto histórico ................................................. 72
Suposiciones de línea base y escenarios del WOlmos .................................................... 73
Validación del caudal simulado ..................................................................................... 75
1
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
2
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
RESUMEN EJECUTIVO
El Panel Intergubernamental sobre el Cambio Climático (IPCC por sus siglas en inglés) ha
indicado que con el cambio climático, reducciones en la precipitación en zonas áridas y el
retroceso de los glaciares podrían dejar a partes de la región Andina con menos agua. En los
lugares donde está creciendo la población y donde los consumos agrícolas están aumentado,
esto podría causar conflictos sobre el suministro de agua para el consumo humano y agrícola
y para la producción de energía hidroeléctrica.
Estos efectos ya se ven en ciertas regiones de la zona Andina. En este reporte presentamos
dos estudios de caso, en Bolivia y Perú, en los que se aplica una metodología de apoyo de
decisiones robustas (ADR) para identificar opciones de adaptación en sistemas de suministro
de agua que se encuentran vulnerables a los efectos del cambio climático. Aunque el método
es esencialmente el mismo, la estructura y el propósito de los dos estudios son diferentes. En
Perú, el objetivo fue demostrar la sensibilidad potencial de planes hacia el cambio climático y
otras incertidumbres para aumentar la concientización sobre la necesidad de considerar el
cambio climático; por lo tanto, un análisis de escenarios limitado fue apropiado. En Bolivia,
la naturaleza participativa del proceso condujo a la generación de un número mucho más
amplio de incertidumbres potenciales y posibles respuestas de gestión, por lo cual se
implementó un análisis de un conjunto de escenarios para responder a los intereses de las
organizaciones clave.
Este resumen ejecutivo presenta la metodología a través del estudio en Bolivia, y describe el
proceso de análisis y generación de capacidad en términos de conocimiento y de
fortalecimiento institucional que se realizó en La Paz y El Alto, guiado por SEI y liderado por
el Ministerio del Medio Ambiente y Agua (MMAyA) de Bolivia, en colaboración con el
Banco Interamericano de Desarrollo (BID). El procedimiento detallado y las referencias
bibliográficas de ambos estudios de caso se presentan en el texto del reporte. El resultado es
un marco de análisis de decisiones para identificar opciones para la gestión integral del agua
en el contexto de incertidumbre sobre el cambio climático.
3
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Gráfica de los autores. El esquema incluye las cuencas de abastecimiento actual y potencial, y las demandas agrícolas y
urbanas que utilizan agua de forma compartida.
Con esto en mente, la zona de La Paz y El Alto fue seleccionada para una demostración de
cómo integrar la adaptación al cambio climático en el planeamiento de inversiones de
infraestructura en cuencas adyacentes a las que se aprovechan actualmente. El proyecto de
inversión es parte del Plan Estratégico de Inversión en Adaptación (SPCR), presentado por el
Gobierno del Estado Plurinacional de Bolivia. A continuación se presenta el resumen de la
metodología y los resultados obtenidos en ese estudio de caso.
Metodología
El núcleo del proyecto fue un proceso participativo para formular el problema y generar
capacidad en el uso de WEAP (Water Evaluation And Planning system, o Sistema de
Evaluación y Planificación del Agua) de SEI. El trabajo se organizó en dos fases: preparación
e investigación, con las actividades realizadas de forma iterativa para que el trabajo de
investigación pudiera proveer información para revisar y mejorar los resultados de las
actividades de preparación. La Figura RE-2 presenta el proceso completo.
El MMAyA escogió a los participantes, un Grupo Focal (GF) con representantes de las
siguientes instituciones encargadas de la gestión del agua: Empresa Pública Social de Agua y
Saneamiento (EPSAS), Servicio Nacional de Meteorología e Hidrología (SENAMHI),
4
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Mapa de XLRM:
WEAP: Clima:
actores: Formulación
Preparación Construcción Escenarios
Organizaciones del problema
del modelo futuros
clave
ADR:
Ensamble: Tableau:
Análisis de
Investigación Automatización Visualización
decisiones
de corridas de medidas
robustas
Tipo de actividades
Ejecutadas por el proyecto
Asociadas a capacitación
Técnicas especializadas
Las decisiones robustas se definen como aquellas que reducen la vulnerabilidad del sistema y
que presentan un mejor desempeño bajo un rango amplio de incertidumbres futuras. Para
evaluar las decisiones robustas, además de medidas sobre la hidrología, se utilizaron medidas
integradas para evaluar la confiabilidad, la vulnerabilidad y la resiliencia de los sistemas de
agua. A pesar de que el sistema podría estar diseñado para suministrar agua todo del tiempo –
lo cual implica una cobertura del 100% – en revisiones con el Grupo Focal, se evaluaron
opciones en las que el objetivo de suministro tendría una cobertura menor. Por ejemplo, para
5
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
estimar la confiabilidad de los sistemas de agua, definimos el estado de falla como cobertura
urbana de menos del 80% y cobertura agrícola de menos del 70%. Estos valores se
seleccionaron no porque se consideren aceptables, sino como referencia para comparar
resultados. La resiliencia se definió como la capacidad del sistema para recuperarse de un
estado de falla que dure por lo menos un mes, y la vulnerabilidad, como la máxima duración
de un estado de falla.
El cambio climático y la incertidumbre
Los modelos climáticos globales y regionales indican que para la zona de suministro de agua
de La Paz y El Alto, entre los períodos 1995-2010 y 2011-2050, la precipitación podría
aumentar hasta 4,3% o disminuir hasta 10,3%, y la temperatura podría aumentar entre 0,5°C y
1,8°C. Para el estudio se generaron seis combinaciones de temperatura y precipitación futuras
dentro de esas gamas. El escenario más seco y más caliente se designó como el más
“pesimista” desde el punto de vista de la disponibilidad hídrica, y el más húmedo y menos
caliente, como el más “optimista”.
Utilizando esas proyecciones climáticas, los glaciares más grandes en la zona de estudio en
las cuencas de Khara Kkota y Taypichaca para el año 2030 podrían perder entre 31% y 40%
de su área bajo el escenario “pesimista”, y los glaciares más pequeños, en las cuencas del
sistema Tuni (Condiriri, Tuni y Huayna Potosí), podrían desaparecer. Estos son resultados de
la modelación de glaciares en WEAP basados en rutinas evaluadas y calibradas contra datos
observados en Perú y trabajo de campo e investigación que se ha hecho en Bolivia.
Otras incertidumbres, como el crecimiento de la población, los cambios en consumo per cápita
de agua, los cambios en prioridades de distribución entre zonas urbanas y agrícolas, y el
crecimiento de la frontera agrícola, se representaron como gamas plausibles. Las proyecciones
demográficas indican que la población cubierta por el sistema de agua de El Alto aumentaría de
1.144.600 en 2010 a casi 1.587.000 en el 2050, y aquella cubierta por los sistemas de agua de
La Paz – Achachicala y Pampahasi – aumentaría de 497.144 en 2010 a más de 538.000 en el
2050, mientras que el área agrícola abastecida por estas mismas cuencas podría aumentar entre
un 20% y 40%, según proyecciones realizadas en base a la tierra disponible.
También se estima que el consumo de agua aumentaría de 52 a 77 litros por persona por día
(l/p/d) en el sistema de El Alto, mientras que en los sistemas de la Paz – Achachicala y
Pampahasi – aumentaría de 222 a 227 l/p/d, y de 142 a 151 l/p/d, respectivamente. Otra
incertidumbre importante es cómo se distribuirá el agua entre los sistemas urbanos y
agrícolas. Para el análisis de tendencias en el suministro de agua se utilizó un modelo
calibrado, el cual sirvió de base para todas las proyecciones.
6
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Esta opción también considera la ampliación del área de riego, de 1.111 ha actualmente, a
2.311 ha (incluyendo 1.226 ha en Tupak Katari y 1.084 en Suriquiña). Además se mejoraría la
infraestructura para reducir las pérdidas de riego agrícola del 85-89% al 60%. Asimismo se
plantea crear un nuevo sistema de riego presurizado de 600 ha, en Nuevo Tupak Katari-
Suriquiña, con pérdidas esperadas de sólo el 30%. La estrategia también considera la
ampliación del área de riego en la cuenca Taypichaca, con un área actual de 295 ha (50% son
pastos para ganado) y pérdidas de 89%. La estrategia plantea incrementar el área de riego a
1.609 ha y reducir las pérdidas al 60%.
7
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Esta visualización, preparada con el programa Tableau, muestra el desempeño medido por la confiabilidad de distintas
opciones para el suministro de agua de La Paz y El Alto. La información que se presenta es la confiabilidad de los
sistemas urbanos y agrícolas. La confiabilidad El Alto sólo considera el sistema municipal; la confiabilidad La Paz, los
sistemas Pampahasi y Achachicala, y la confiabilidad agrícola, los sistemas de riego Tupak Katari-Suriquiña y
Taypichaca. L1 es la estrategia integrada de Khara Kkota y Taypichaca, L2 corresponde a las otras estrategias de
almacenamiento de agua en nuevos embalses y reducción de pérdidas en sistemas de riego, L3 a cambio de fuente
para el sistema Achachicala, L4 a conservación de bofedales, L5 a reducción de pérdidas en el sistema de riego, y L6 a
reducción de pérdidas en sistemas urbanos.
Recomendaciones de política
Los resultados de este proyecto piloto demuestran el valor de un marco de apoyo de
decisiones robustas (ADR) para el análisis de problemas en contextos de incertidumbre – en
este caso, la adaptación al cambio climático en los sistemas de agua de las ciudades de La Paz
8
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
y El Alto. Como hemos dicho, este es un proceso iterativo; recomendamos que el Grupo
Focal liderado por el MMAyA continúe utilizando este sistema para identificar estrategias
robustas que mejoren las condiciones de suministro de agua a largo plazo (2040-2050) tanto
para las ciudades, como para las zonas agrícolas.
Si se continúa este proceso, el Grupo Focal podrá producir la información necesaria para
encontrar las mejores opciones para la región. El grupo también puede complementar los
modelos con nuevos datos, y revisar los supuestos de modelación para representar distintos
escenarios políticos y normativos, incluyendo las iniciativas del PNCC a nivel local a corto
plazo, el Plan Maestro a nivel metropolitano a medio plazo, y estrategias generales de
desarrollo a nivel nacional a largo plazo. Ese trabajo sería valioso para ayudar a atraer fondos
de adaptación al cambio climático para invertir en los sistemas de agua de La Paz y El Alto.
9
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Un aumento se muestra con un signo positivo, y una disminución con un círculo. Los valores resaltados indican significancia
con p<0.05. Fuente (IPCC 2007)
La consecuencia más importante del aumento de las temperaturas en los últimos 30 años ha
sido el retroceso crítico de glaciares en Bolivia, Perú, Colombia y Ecuador. Esto ha
aumentado la escorrentía, pero los glaciares son importantes depósitos de agua, y se han
disminuido e inclusive agotado en algunos lugares. Los estudios indican que en los próximos
15 años, los pequeños glaciares andinos podrían desaparecer, afectando la disponibilidad de
agua y la generación de energía hidroeléctrica, mientras que los glaciares más grandes van a
seguir contrayéndose (Ramirez et al. 2001; Francou et al. 2003; Bates et al. 2008). Los
cambios en las contribuciones de agua de los glaciares afectarán al suministro de agua para
múltiples usos, incluyendo la agricultura a pequeña y gran escala, los servicios urbanos de
agua y la energía hidroeléctrica.
A lo largo de la región Andina existen además otros agentes de cambio y presiones sobre los
sistemas hidrológicos que proveen agua. Por ejemplo, hay cambios en patrones de
10
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
1El riesgo se define en este contexto como la potencialidad de que las incertidumbres generen un mal desempeño
en el sistema.
11
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Existen varias herramientas analíticas para apoyar la toma de decisiones en la gestión del
agua. Entre las más sofisticadas y completas están ModSim (Taher y Labadie 1996), OASIS
(HydroLogics 2009) y WEAP (Yates, Sieber, et al. 2005; Yates, Purkey, et al. 2005). Sin
embargo, aún estas herramientas, si se utilizan bajo el paradigma estándar de planeación,
estimarán la demanda futura y el desempeño de opciones de manejo con base en las
condiciones y tendencias históricas. La incertidumbre futura se evalúa sólo en el contexto de
la variabilidad dentro de un período de registro, pero no se considera la posibilidad de una
trayectoria completamente diferente. El cambio climático pone en tela de juicio ese supuesto.
¿Cuáles entonces deberían ser las características generales de herramientas analíticas y
técnicas implementadas en la planeación de adaptación de recursos hídricos? Basado en la
literatura científica reciente sobre el manejo de agua, sugerimos que las herramientas y
técnicas incluyan las siguientes capacidades:
Ayudar a los administradores de recursos hídricos y otros actores a comprender la
magnitud potencial de los impactos climáticos;
Además del cambio climático, abordar un grupo más amplio de incertidumbres (e.g.
factores socioeconómicos y ambientales) que podrían impactar el desempeño del
sistema a largo plazo;
Establecer un ciclo de análisis y de toma de decisiones que integre períodos de
planeación de capital y de recursos para preservar las cuencas y proteger a los
usuarios actuales (10-30 años), y a la vez permita planear a más largo plazo (30-100
años);
Asistir en la determinación de niveles aceptables de riesgo, definiendo estrategias de
cobertura para manejar riesgos financieros, presentando soluciones de mayor costo en
el momento apropiado, y desarrollando planes de manejo adaptativo flexibles; y
Enmarcar el problema, distinguiendo entre las variables de decisión y aquellos
elementos que impactan al sistema de agua pero que están fuera de la influencia de
los tomadores de decisiones.
En vista de todo lo que sabemos (y no sabemos) sobre el cambio climático, está claro que los
administradores de recursos hídricos podrían beneficiarse de un enfoque sistemático para
evaluar sus opciones. Con los puntos anteriores en mente, y a través de la aplicación en
estudios de caso de técnicas y procedimientos reportados en la literatura reciente, hemos
identificado elementos clave para organizar diferentes variables y parámetros en el proceso de
apoyo a la toma de decisiones. En marco propuesto es el siguiente:
1. Proceso de identificación de actores y su rol en el proceso;
2. Proceso de formulación del problema, para articular objetivos, identificar
incertidumbres, y delimitar las opciones de adaptación, e identificar las medidas de
desempeño (como demanda insatisfecha, impacto en objetivos de caudal ambientales
y recreacionales, costos de las inversiones, y beneficios netos dadas los posibles
escenarios futuros de clima y otras variables) para evaluar las diferentes opciones;
3. La construcción de un modelo de planeación integrada de recursos hídricos capaz de
simular los efectos de cambio climático en el desempeño del sistema y que permita el
cálculo de métricas apropiadas de evaluación;
4. La generación de proyecciones de cambio climático y sus efectos al ciclo hídrico y
otras variables del contexto biofísico que puedan afectar el resultado de las
decisiones;
5. El desarrollo de métodos basados en un conjunto de posibles combinaciones para
estimar y medir el desempeño bajo opciones de adaptación e incertidumbres;
12
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
13
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
14
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Para el uso de datos climáticos para planeación climática de recursos hídricos se requieren cuatro pasos que incluyen
modelos de circulación general, cambio de escala, modelos de lluvia escorrentía y modelos de gestión de agua
15
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
hidrológico según los datos climáticos que se introduzcan y las características de cada cuenca.
Los resultados de estos modelos son cálculos de variables como caudales y recarga de
acuíferos. Los modelos de lluvia-escorrentía pueden también suministrar información sobre
evapotranspiración, cambio en la humedad en el suelo, escorrentía superficial, y carga de
contaminantes. La representación del sistema de agua en estos modelos típicamente no es lo
suficientemente substancial para llenar las necesidades de las empresas de agua.
Tradicionalmente estos modelos hacen sus cálculos con base en las observaciones
hidrológicas históricas de caudales y recarga de acuíferos. También pueden incluir
representaciones de demandas de agua vinculadas a observaciones históricas de
evapotranspiración. Estas simulaciones de hidrología basadas en datos históricos se utilizan
para evaluar las implicaciones de diferentes opciones en la gestión de recursos hídricos – por
ejemplo, construir infraestructura nueva o modificar las instalaciones existentes; las opciones
se evalúan en relación a una serie de medidas de desempeño.
Cuando se considera el cambio climático, los modelos de sistemas de recursos hídricos tienen
que incorporar los resultados de los modelos de lluvia-escorrentía para poder traducir los
cambios en las condiciones hidrológicas a condiciones de operación del sistema. La
distribución del agua no es la única variable determinante del desempeño; los modelos de
sistemas también pueden ser vinculados a modelos de calidad del agua o de ecosistemas con
el objetivo de evaluar si el régimen de distribución es apropiado y aceptable. Un punto clave
es que existen múltiples opciones para los administradores de agua en cada paso del proceso.
Existen múltiples modelos GCMs, métodos de cambio de escala, tipos de modelos de lluvia-
escorrentía y de modelos de sistemas de recursos hídricos, y tipos de modelos de impacto.
WEAP (Water Evaluation And Planning, o Sistema de Evaluación y Planificación del Agua) es
un modelo que permite evaluar las implicaciones de cambio climático para el desempeño del
sistema de recursos hídricos. También es una herramienta eficaz para evaluar diversas
estrategias de gestión del agua bajo distintas condiciones de cambio climático y otras
incertidumbres. WEAP se ha aplicado varias veces en la Región Andina – por ejemplo, en un
estudio de los impactos del cambio climático en la hidrología de montaña en los Andes del Perú
(Vergara et al. 2011). En ese proyecto, auspiciado por el Banco Mundial en 2011, se diseñar un
módulo de glaciares y uno de páramos para complementar a WEAP y poder integrar los
impactos del cambio climático en la evaluación de la respuesta hidrológica de regiones de alta
montaña. A nivel global, WEAP se ha aplicado tanto en zonas templadas con acumulación y
derretimiento de nieve, como en zonas tropicales, para determinar las implicaciones del cambio
climático para distintos usos del agua: urbanos, agrícolas y para energía.
Dada la amplia gama de opciones, el marco analítico ilustrado en la Figura 1.2 puede servir
de guía para un análisis con WEAP como la herramienta que conecta los distintos elementos.
16
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Los GCMs producen estimados de clima futuro a una escala gruesa (> 100 km2),
mientras que los procesos hidrológicos relevantes para administradores de recursos
hídricos son mucho más finos (del orden de 10 km2);
Muchos modelos de gestión del agua en uso actual utilizan datos históricos de
caudales superficiales, no los parámetros meteorológicos proyectados por los GCMs;
Los estimados de condiciones climáticas futuras varían ampliamente entre diferentes
GCMs y simulaciones de emisiones globales; por lo tanto, introducen incertidumbres
nuevas en los análisis de planeación de recursos de agua.
El proceso de “downscaling” se ha documentado bien en la literatura, por lo tanto no se
discute en detalle aquí. En resumen, existen tres métodos de reducción de escala: dinámicos,
estadísticos y no-paramétricos. El método dinámico usa los Modelos Regionales de Clima
(RCM por sus siglas en inglés, Regional Circulation Models); los métodos estadísticos usan el
desarrollo de relaciones estadísticas entre los GCMs y las variables meteorológicas
estadísticas (precipitación, temperatura, velocidad de viento, etc.), y los métodos no
paramétricos hacen muestreo de los datos históricos para producir distintos escenarios del
clima futuro (Gangopadhyay et al. 2005; Groves et al. 2008; Wilby y Wigley 2000; Wood et
al. 2004; Yates et al. 2003). Cada uno de estos métodos tiene sus ventajas y desventajas, pero
todos traducen los escenarios de clima globales a proyecciones más relevantes al nivel local.
17
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
probabilidad de distribución a los valores para cada uno de los factores de incertidumbre más
importantes dentro del modelo. El resultado es una proyección probabilística que ofrece dos
ventajas claras. Primero, provee mucho más información a los tomadores de decisiones,
reduciendo la gama de contingencias que sus decisiones deben confrontar. Segundo, el
enfoque de apoyo a las decisiones basado en el concepto de la utilidad esperada constituye un
potente marco para identificar las mejores opciones (Morgan y Henrion 1990). Sin embargo,
cuando existe desacuerdo sobre la naturaleza de la incertidumbre, la evaluación de
probabilidad de las opciones de planeación puede no dar toda la información necesaria para
evaluar las posibles estrategias.
El último enfoque genera y evalúa un amplio conjunto de escenarios para entender el
desempeño de diferentes estrategias de gestión frente a una amplia gama de condiciones
futuras plausibles. La Toma de Decisiones Robusta (TDR) formaliza este enfoque. TDR es un
enfoque iterativo y analítico para la toma de decisiones, cuando la incertidumbre no puede ser
caracterizada por medios probabilísticos (Lempert et al. 2003; Lempert et al. 2006). TDR
utiliza la evaluación integrada de modelos para evaluar el desempeño de distintas estrategias
bajo distintas combinaciones de condiciones futuras asumidas. En este enfoque se usan
técnicas estadísticas avanzadas para evaluar las características de las estrategias que se
desempeñan mal y generan mayor vulnerabilidad (Groves y Lempert 2007). Este proceso
ayuda a los analistas y tomadores de decisiones a desarrollar alternativas robustas, eliminando
las estrategias que no reducen la vulnerabilidad y la evaluando en más detalle las estrategias
más prometedoras.
Lempert et al. (2003) describe de forma detallada cómo TDR combina enfoques de escenarios
múltiples y de modelación exploratoria, utilizando computadores para interpretar los procesos
naturales. El método de TDR combina la capacidad humana – de reconocer patrones, llegar a
conclusiones, formular hipótesis, intuir soluciones posibles, pero también de ignorar factores
inconvenientes y convencerse de argumentos que pueden demostrarse falsos – con el uso de
computadores que pueden manejar grandes cantidades de datos para proyectar las
implicaciones de suposiciones sin prejuicio. De esta forma, el TDR combina la capacidad
computacional actual para generar conjuntos de escenarios futuros plausibles y la capacidad
humana para desarrollar hipótesis. En este enfoque, el término escenario se usa para
representar cada predicción sobre el futuro en combinación con cada estrategia que se podría
adoptar para influenciar el desempeño. Este enfoque usa la visualización y búsqueda de
métodos para extraer información que permita distinguir entre las opciones.
18
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
d c b e
Ensamble de
escenarios
Estrategias
robustas
Gráfica adaptada de Lempert et al. (2003). Las líneas centrales a, b y c representan cálculos computacionales. Las líneas
en la izquierda y derecha de la figura, d y e, representan información añadida por humanos.
Las ventajas y desventajas de los tres métodos se presentan en la Tabla 1.2. En el caso de
toma de decisiones para planeación de recursos hídricos bajo incertidumbre profunda, debido
a la amplia gama de incertidumbres y opciones de gestión, el desarrollo de un número
limitado de escenarios a través de narrativas limita la capacidad de visualizar de forma
cuantitativa cómo la vulnerabilidad del sistema podría variar bajo distintas condiciones. Por
otro lado, la asignación de probabilidades de ocurrencia a las incertidumbres asociadas al
cambio climático y otros aspectos del contexto de gestión de agua (i.e. crecimiento de
población, impulsores a nivel global de mercado agrícola) generan dificultades para asignar
funciones de probabilidad basadas en teorías, consenso de expertos, observaciones, y
resultados de modelación (Giles 2002).
El método de conjuntos de escenarios se presenta como una buena opción para apoyar la toma
de decisiones sobre recursos hídricos bajo el cambio climático, ya que enfrenta las debilidades
19
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
del enfoque tradicional de planeación en sistemas de suministro de agua que se basa en el uso de
un estimado único de las necesidades de agua futuras. Bajo el cambio climático, existen nuevos
retos que impiden asumir que las condiciones históricas pueden ser guías para el futuro y
reducen la confiabilidad de las proyecciones (Brown 2010). Adicionalmente, debido a los
avances computacionales y al uso de herramientas diseñadas específicamente para evaluar el
desempeño de las estrategias bajo escenarios de incertidumbres, el montaje de un conjunto de
escenarios se facilita considerablemente (Lempert and Groves 2010). En este enfoque, cada
escenario es una estrategia aplicada en un futuro incierto, generando un conjunto de escenarios
que permite visualizar el panorama de posibles futuros.
El proyecto descrito en este reporte se basa en el ensamble de escenarios para la toma de
decisiones robustas, pero se enfoca en el apoyo de la toma de decisiones robustas por parte de
las entidades gubernamentales. Por eso llamamos el proceso Apoyo de Decisiones Robustas
(ADR).
20
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
de múltiples opciones bajo una gama de posibles climas futuros, permitiéndole al analista
identificar líneas de acción que sean robustas frente a la incertidumbre y adaptables de forma
rápida, en la medida en que aparezca nueva información. Por ejemplo, en la planeación del
Distrito Metropolitano de California del Sur (MWD por sus siglas en inglés) un proceso de
este tipo ha facilitado la identificación de opciones que se desempeñan apropiadamente bajo
medidas de vulnerabilidad y de nivel de esfuerzo (Lempert and Groves 2010).
En general, el alcance y la naturaleza de las incertidumbres en el análisis determinan el mejor
método para tomar decisiones. Por ejemplo, un análisis de decisión estándar aplica
probabilidades y preferencias para calcular los valores anticipados en el presente con cada
opción, y seleccionar la opción con el valor máximo. Este método es apropiado cuando la
probabilidad de distribuciones de variables inciertas se entiende relativamente bien. Sin
embargo, encontrar dichos estimados de probabilidad bajo incertidumbre profunda puede ser
inapropiado o imposible, ya que las proyecciones climáticas dependen tanto de procesos
físicos como de procesos sociales que son impredecibles (Grübler and Nakicenovic 2001).
Por otro lado, cuando existe gran incertidumbre sobre la distribución de las probabilidades y/o
de la importancia de distintos criterios, es más factible no buscar la estrategia que genere el
valor máximo, sino minimizar el riesgo de que la estrategia que se escoja tenga que ser
rechazada posteriormente. Esta regla de decisión puede ser útil en el contexto de planeación
para la adaptación al cambio climático, debido a los altos niveles de incertidumbre en relación
con las condiciones futuras de suministro de agua y de condiciones de demanda. Bajo este
punto de vista, el ejercicio de planeación no se ve como un mapa de una secuencia completa
de proyectos futuros para mantener la confiabilidad del suministro. Al contrario, el enfoque se
da en la identificación de decisiones robustas en el corto plazo que preserven de mejor forma
la habilidad de las empresas de agua para llevar a cabo proyectos en la medida en que sea
necesario. La meta es descubrir qué opciones de políticas a corto plazo son robustas sobre una
amplia gama de escenarios futuros. Las estrategias robustas serán con frecuencia adaptativas
– es decir, estarán diseñadas explícitamente para evolucionar con el cambio de condiciones
(Lempert et al. 2003).
En nuestra aplicación de estos conceptos, el ADR, hemos modificado los pasos del TDR de la
siguiente forma:
El ADR usa el mismo procedimiento para desarrollar un conjunto de escenarios;
El ADR identifica escenarios robustos a través de del trabajo con los actores
encargados del manejo de recursos hídricos en la iteración humano-computador
ilustrada en la Figura 1.3;
El enfoque del ADR es demostrar el concepto de apoyo de decisiones robustas, pero
se limita a una iteración basada en el conocimiento de los encargados del manejo de
recursos hídricos, y por lo tanto no produce iteraciones adaptativas sucesivas como el
TDR, porque éstas requieren más tiempo para seguir el proceso;
En el ADR al igual que en TDR se diseña un análisis interactivo para la exploración
de la multiplicidad de futuros plausibles, pero ya que la intervención del ADR es de
plazo limitado, el uso posterior de este análisis interactivo para identificar escenarios
robustos y adaptativos se deja en manos de los actores locales, que podrán utilizar las
herramientas para evaluar hipótesis adicionales. Esto significa que es necesario crear
capacidad en el uso de esas herramientas y de la exploración de escenarios guiada por
los computadores.
A continuación se presentan dos estudios de caso en Bolivia y Perú en los que se aplica el
ADR para construir herramientas y capacitar a los actores locales para identificar opciones de
21
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
ADR:
Ensamble: Tableau:
Análisis de
Investigación Automatización Visualización
decisiones
de corridas de medidas
robustas
Tipo de actividades
Ejecutadas por el proyecto
Asociadas a capacitación
Técnicas especializadas
Esta gráfica agrupa los pasos de delimitación participativa y uso de herramientas computacionales seguidas en la
aplicación del marco para identificación de alternativas robustas, es decir aquellas que reducen la vulnerabilidad climática
del sistema.
22
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
23
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Gráfica de los autores. El esquema incluye las cuencas de abastecimiento actual y potencial, y las demandas agrícolas y
urbanas que utilizan agua de forma compartida.
24
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Sistema Achachicala
El sistema Achachicala abastece principalmente al centro de la ciudad de La Paz, a unos
195.000 habitantes que consumen 222 litros por persona por día (l/p/d). Este consumo
relativamente alto se debe a que en esta área se encuentran varias industrias y actividad
comercial. La fuente de suministro principal es el embalse Milluni, que tiene una capacidad
útil de 11,23 hm3 y un área de aporte de 59,43 km2. La capacidad de la infraestructura
hidráulica para la conducción hasta la planta de tratamiento es de 1 m3/s, pero el caudal de
aducción es solo de 0,56 m3/s; además existe una obra de toma directa del río Choqueyapu. La
capacidad máxima de la planta de tratamiento es de 1 m3/s. Bajo las condiciones actuales la
cobertura de la demanda es del 100%. Este sistema presenta tasa de crecimiento de población
negativa, por lo cual se prevé que en el futuro no incrementará su demanda.
Sistema Pampahasi
El sistema Pampahasi abastece aproximadamente a 300.000 habitantes de la ciudad de La
Paz, los cuales consumen 142 l/p/d, un nivel elevado que se atribuye a los altos ingresos de
los residentes (Hardy 2009). Este dato no incluye las pérdidas en la distribución, que son del
orden del 33% y están contabilizadas en la distribución del sistema. Actualmente existen tres
fuentes de suministro de agua; las principales son los embalses Incachaca y Hampaturi con
capacidad útil de 4,39 hm3 y 3,14 hm3, respectivamente; el tercer embalse, Ajuankhota, tiene
una capacidad de almacenamiento útil de 3,5 hm3. Este embalse se utiliza de junio hasta
diciembre con un caudal de descarga sobre el río Hampaturi de 0,27 m3/s que se almacena en
el embalse Hampaturi.
La capacidad máxima de la tubería del embalse Hampaturi hasta la planta de tratamiento es
1,4 m3/s y desde Incachaca es de 0,30 m3/s. El área de la cuenca Incachaca y Hampaturi es
34,41 y 59,12 km2 respectivamente. Se está estudiando la construcción de una nueva planta de
tratamiento, Chuquiaguillo, con una capacidad de 0,40 m3/s, y crear un nuevo sistema de
abastecimiento de agua para garantizar la cobertura al norte de la ciudad de La Paz, para unos
150.000 habitantes. La fuente de suministro sería el embalse Incachaca que actualmente es
parte del sistema Pampahasi. Además se pretende construir una nueva represa, Hampaturi
Alto, con una capacidad de 6 hm3 para suplir el cambio del embalse Incachaca. Según EPSAS
la cobertura de la demanda llega cerca al 95%, y con la nueva infraestructura se tendría
garantizada la cobertura al 100% en el futuro, ya que los últimos censos de población indican
crecimiento a tasas muy bajas.
Sistema El Alto
El sistema El Alto abastece tanto a La Paz como a El Alto, a 300.000 habitantes y 850.000
habitantes, respectivamente. El consumo de agua es bajo comparado con otros sistemas, un
promedio de 52 l/p/d, debido a la condición socioeconómica precaria y también a aspectos
culturales, como los hábitos de aseo e higiene. La fuente de suministro de agua es la represa
Tuni, que tiene una capacidad de almacenamiento útil de 21,55 hm3.
Además existen dos aducciones del río Huayna Potosí y Condoriri que operan bajo reglas de
operación concertadas con regantes de las comunidades de Patamanta y Palcoco-Condoriri,
las cuales se explican a continuación (Figura 2.1). La aducción de Huayna Potosí hacia el
embalse Tuni tiene una capacidad máxima de 2 m3/s con flujo de noviembre hasta abril. En
los otros meses, el 100% del caudal del río está destinado para Patamanta. En el caso del río
Condoriri, la tubería tiene una capacidad máxima de 1 m3/s que de noviembre a abril se
aprovecha en su totalidad para el almacenamiento en el embalse Tuni, y de mayo a octubre se
divide en partes iguales con la comunidad local (Palcoco-Condoriri). La capacidad máxima
25
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
del embalse Tuni hasta la planta de tratamiento de El Alto es 0,968 m3/s, aunque la capacidad
de la planta de tratamiento es 1 m3/s.
Algunas investigaciones del sistema El Alto indican que bajo las condiciones actuales de
producción y las tendencias de crecimiento de la población, la demanda superó a la oferta
hacia el año 2009, y desde entonces el déficit ha ido aumentando (Ramirez 2008). Los
reportes de EPSAS para el 2012 indican que la cobertura de la demanda es del 85%, y en el
futuro se espera un aumento en la demanda debido al crecimiento poblacional, aunque a tasas
mucho más bajas que en las últimas décadas. En el Plan Maestro de Agua Potable de 1994 se
plantearon nuevas cuencas de suministro de agua como Khara Khota, Taypichaca, Janchallani
y Jachawaquiwiña (Figura 2.1). Se están realizando estudios para evaluar el potencial
hidrológico y la factibilidad socio-económica y ambiental en estas cuencas. El presente
estudio es una de las evaluaciones que se están considerando para determinar la resiliencia
climática de los sistemas de abastecimientos actuales y futuros.
Sistema Tilata
El Sistema Tilata abastece a unos 160.000 habitantes de El Alto, los cuales consumen unos 50
l/p/d. El consumo es tan bajo porque son zonas urbanas y periurbanas de condiciones
socioeconómicas muy precarias, donde además gran parte del área de cobertura no cuenta con
un sistema de alcantarillado. La fuente de agua son 32 pozos de una profundidad promedio de
90 m; el agua se saca con bombas sumergibles y se conduce hasta una planta de tratamiento
con capacidad de 0.14 m3/s.
Está claro que el abastecimiento de agua es un gran reto para El Alto, cuyo sistema principal
ha llegado prácticamente al límite de su capacidad. Si bien hasta ahora otros sistemas, como
Pampahasi y Achachicala, no han tenido problemas serios con el abastecimiento, la situación
podría cambiar por el impacto de cambio climático sobre la oferta hídrica de las cuencas de
suministro. Hay que evaluar esos impactos para promover estrategias que permitan que los
sistemas sean resilientes ante posibles impactos negativos.
Debido a esas condiciones anteriores, el Banco Inter-Americano de Desarrollo (BID) ha
seleccionado a esta zona para un programa piloto de resiliencia climática (Pilot Program for
Climate Resilience) bajo su plan estratégico de resiliencia climática (Strategic Plan for
Climate Resilience). El proyecto se denomina Programa de Resiliencia Climática para los
Sistemas de Agua y Saneamiento de las Áreas Metropolitanas de La Paz y El Alto. Como
parte de ese proyecto, el presente estudio de caso aplica la metodología descrita en la sección
1 a la región de La Paz y El Alto, con el objeto de aumentar la resiliencia de los sistemas de
agua. Los productos intermedios del proyecto están referenciados en las diferentes secciones
de esta sección, y se presentan como apéndices de este Reporte Final.
26
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
A partir de este Grupo Focal, se desarrolló un mapeo de actores detallado que se incluye en el
Apéndice 1 y Apéndice 3 de este reporte. En esta sección se presentan algunos resultados
destacados para observar el panorama general de los actores alrededor del proceso de ADR.
En el aspecto político, el mapeo de actores permitió identificar diferencias entre los actores
que generan barreras para producir acciones concertadas. Por otro lado, los actores
presentaron interés en mejorar la información para tomar decisiones, lo cual implica la
generación de capacidades locales. El proceso de trabajo con los actores permitió evidenciar
el rol clave de algunos actores como EPSAS y la necesidad de promover concertación entre
instituciones. El Grupo Focal no incluyó a actores vinculados con la producción agropecuaria
y el sector energético, los cuales deberían ser incluidos en fases posteriores.
En general, el ejercicio de realizar el mapeo de actores institucionales fue útil en el proceso de
apoyo técnico para entender la localización de cada actor en el espacio de planeación y
manejo del recurso hídrico. Así mismo, la ubicación de los actores en el continuo de
proveedores de datos a receptores de información da claridad sobre el uso potencial de los
productos, en especial del modelo WEAP del sistema de abastecimiento del área
metropolitana (Figura 2.2). Está claro que otros actores y procesos de concertación deberán
ser considerados en el evento de tomar decisiones sobre infraestructura futura.
Figura 2.2: Mapa de actores en torno a la generación de información en WEAP
En rojo denota el proveedor central de información, el azul los actores con rol dual como proveedor de datos y usuario
de información. Las organizaciones marcadas en un recuadro azul son aquellas que hicieron parte del Grupo Focal.
27
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
variables directamente en el modelo WEAP), se llegó a una lista reducida de opciones. Por
ejemplo, la ley nacional sobre servicios de agua y alcantarillado2 que es parte del marco
normativo y representa el aspecto político-institucional, se consideró como una
incertidumbre, pero no se incluyó en la lista reducida de opciones, ya que es imposible
modelar este aspecto directamente en WEAP. Las opciones seleccionadas se presentan en la
Tabla 2.1, y constituyeron la base para la generación de escenarios.
X1. Cambio en el clima futuro L1, L2 y L3. Almacenamiento de agua en nuevos embalses y
reducción de pérdidas en sistemas de riego
X2. Crecimiento de la población
L4. Conservación de bofedales
X3. Cambios en consumo per cápita
L5. Reducción de pérdidas en el sistema de riego
X4. Prioridades de distribución
L6. Reducción de pérdidas en sistemas urbanos
X5. Crecimiento de la frontera agrícola
M1. Escurrimiento
M4. Confiabilidad
M5. Vulnerabilidad
M6. Resiliencia
2La ley vigente es la Ley de Servicios de Agua Potable y Alcantarillado, aprobada en 1999/2000; el gobierno del
Presidente Evo Morales ha propuesto reemplazarla con una nueva ley titulada “Agua Para La Vida”.
28
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
3 Los GCMs son modelos que resuelven las ecuaciones que gobiernan a la atmosfera, el océano y otros
componentes relevantes representados por el modelo, dividiendo el espacio en “cajas” o rejillas discretas (CCSP
2008) en (Andrade and Blacutt 2010). El tamaño de estas cajas no puede ser muy pequeño pues el tiempo de
cálculo crece rápidamente conforme el tamaño de la rejilla decrece (Andrade and Blacutt 2010).
4 Los RCMs operan en un dominio mucho menor que los GCMs y a una resolución mucho mayor a los mismos
29
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
1.90E+06
1.70E+06
Población [hab]
1.50E+06
1.30E+06
1.10E+06
9.00E+05
7.00E+05
2001
2006
2011
2016
2021
2026
2031
2036
2041
2046
Alto Lima (1-Bajo) Alto Lima (2-Alto)
4.10E+05
3.60E+05
Población [hab]
3.10E+05
2.60E+05
2.10E+05
1.60E+05
2001
2016
2031
2006
2011
2021
2026
2036
2041
2046
30
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
31
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
32
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
En la zona baja de las cuencas Khara Khota y Taypichaca existen dos sistemas de riego:
Tupak Katari y Suriquiña. Las actuales áreas de riego son 531 y 580 ha, respectivamente, con
pérdidas del orden del 85%; más del 80% del área de riego son pastos para ganadería (IC-
RIMAC 2012). Con la implementación de la Alternativa 1 se pretende ampliar el área de
riego a 1227 ha (Tupak Katari) y 1084 ha (Suriquiña) y mejorar la infraestructura para reducir
las pérdidas al 60%. Asimismo se plantea crear un nuevo sistema de riego presurizado de 600
ha, Nuevo Tupak Katari-Suriquiña, con una tasa de pérdida del 30% (IC-RIMAC 2012). El
área incremental respecto al actual sería de 1800 ha.
En la cuenca Taypichaca también hay un sistema de riego con el mismo nombre, de 295 ha,
donde el 50% son pastos para pastoreo de ganado, y las pérdidas alcanzan el 89% debido a la
mala infraestructura y al uso de métodos anticuados. La estrategia plantea incrementar el área
de riego a 1609 ha con la reducción de pérdidas al 60% (IC-RIMAC 2012). El resumen de la
estrategia en las zonas de riego se muestra en la Tabla 2.3.
33
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
La Alternativa 2 usa principalmente la cuenca Taypichaca, pero con trasvase de las cuencas Janchallani y Jacha
Waquiwiña.
34
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Esta alternativa se enfoca en desviar el agua de Milluni hacia La Paz y construir un embalse en Kaluyo.
35
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
ya que el enfoque del trabajo es la evaluación biológica y calidad de agua, al menos permite
tener una idea de la cantidad de agua producida por los bofedales. Por ejemplo, en Khara Khota,
para el bofedal ubicado sobre 4.347 msnm (Figura 2.7) con un área de 52 ha, el caudal medido
en septiembre 2012 fue de 2.5 l/s; este dato se puede comparar con el caudal modelado en
WEAP para un área de 6 ha, cuyo caudal base promedio histórico para septiembre es de 0,25 l/s.
La comparación de estos dos resultados permite dos observaciones principales:
La diferencial entre la escala espacial de medición de Meneses (2012) y la de WEAP
es de un orden de magnitud, 52 ha vs. 6 ha, reflejando el reto de producir resultados
en campo que puedan ser útiles para ejercicios de modelación y proyección, y la
necesidad de establecer escalas comparativas entre estudios de campo y estudios de
modelación.
A pesar de las diferencias en escala espacial, los caudales medidos por Meneses
(2012) son comparables a aquellos estimados en el modelo WEAP La Paz/El Alto,
indicando que los parámetros utilizados para representar bofedales en WEAP son
representativos de los procesos hidrológicos de este tipo de ecosistemas.
En el modelo, la estrategia de la conservación de los bofedales se representa como un
incremento del 10% sobre al área actual, afectando a la zona que ahora contiene cobertura de
arbustos y gramíneas dispersas. Esta es una aproximación que en un futuro puede ser
mejorada con base en datos de monitoreo.
Foto 1: Bofedal en la cuenca de Khara Khota a 5.037 msnm
36
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Figura 2.7: Mapa de bofedales de las cuencas estudiadas (elaborada sobre imagen
Landsat TM)
Nótese que la zona con mayor concentración de bofedales se encuentra en las cuencas potenciales, lo cual genera que
una estrategia de conservación de bofedales en las cuencas actuales de aprovechamiento no va a tener un efecto tan
importante como el que tendría en las cuencas potenciales, como Taypichaca.
37
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
2011, como parte del proyecto Adaptación al Impacto del Retroceso Acelerado de Glaciares
en los Andes Tropicales – PRAA,5 se realizó un estudio piloto en el distrito hidráulico EA04
ubicado en el distrito municipal 4 de la zona Río Seco de la ciudad de El Alto (sistema El
Alto), donde se cuantificaron pérdidas del orden del 42%. Las acciones para reducir las
pérdidas están centradas en la gestión de presiones (de hecho actualmente en horas de la
noche EPSAS reduce la presión en la red), combinada con el control activo de fugas y
renovación selectiva de redes de distribución. En las discusiones durante los talleres llevados
a cabo como parte de este proceso se llegó a la conclusión de que estas pérdidas sólo podrían
reducirse hasta un 30%; basado en este dato es como se plantea la Estrategia L6.
38
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
La interfaz de WEAP incluye la esquemática que contiene los elementos a modelar (ríos, canales, reservorios, sitios de
demanda, etc.). Cada elemento tiene datos asociados que permiten caracterizar el contexto biofísico y socioeconómico.
1.8 1.8
Alto Achachicala Alto Achachicala
1.6 El Alto-Aeropuerto 1.6 El Alto-Aeropuerto
1
Indices
1 Laykacota Laykacota
El vector regional corregido elimina los datos que presentan errores sistemáticos.
39
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
todas las cuencas en estudio. Sin embargo existen otros puntos que son monitoreados por el
SENAMHI en la cuenca baja de Kaluyo (Choqueyapu) y Kallapa (Irpavi), pero están
ubicados en zonas periurbanas y por tanto, no son representativos para la calibración; por lo
mencionado se hace énfasis en los tres primeros puntos de medición de caudal.
Primero se realizó la calibración del módulo glaciar con datos para los glaciares Zongo y
Charquini, ya que cuentan con datos de precipitación, temperatura y caudales observados del
aporte glaciar; los parámetros de calibración fueron extrapolados para otros glaciares, y
fueron verificados con las áreas digitalizadas sobre imágenes del satélite Landsat TM 5
(Figura 2.10); si bien la comparación entre áreas modeladas y digitalizadas (observadas) es
relativamente aceptable, debemos mencionar que pueden existir errores debido a la resolución
espacial de la imagen (30 m) – peor aun tratándose de glaciares pequeños. Además no es
adecuado generalizar los parámetros de calibración, ya que el comportamiento de cada glaciar
depende de su exposición al sol (Ramirez 2008). El aporte, ya sea sobrestimado o
subestimado, afecta el resultado de la oferta de la cuenca, pero en el caso de Tuni, Condoriri y
Huayna Potosí, esta incertidumbre es mucho menor, ya que existen estaciones hidrométricas
que permiten realizar ajustes durante la calibración. En el caso de cuencas sin caudales
observados, como Khara Khota y Taypichaca, se genera mayor incertidumbre, y esto
definitivamente podría afectar el resultado final, pero se desconoce en qué magnitud.
Segundo, se realizó la calibración de los parámetros del modelo precipitación-escorrentía de
WEAP en base en la cobertura y uso del suelo elaborado sobre una imagen Landsat TM. Para
evaluar la correspondencia entre el modelo y los datos observados se ha usado el índice de
eficiencia Nash-Sutcliffe (Nash y Sutcliffe 1970) y el Bias o la desviación relativa de los
caudales; en el primer caso se producen resultados menores o iguales a 1, si el resultado es 1 el
ajuste es perfecto; el segundo es la diferencia predicha con respecto al promedio entre la
medición y el valor real. Entre menor sea el porcentaje de Bias, mejor será la correspondencia
entre los datos observados y simulados (Centro de Cambio Global y SEI 2009). En la Figura
2.11 se muestran los caudales simulados y observados; el resultado para Tuni y Condoriri según
el índice de eficiencia Nash-Sutcliffe es 0,7 considerado como muy bueno, mientras que en
Huayna Potosí es 0,5, bueno (Tabla 2.5). En cuanto al sesgo en Tuni, los caudales simulados
tienen una subestimación del 20,6%, y en Huayna Potosí, sobrestimación en 11,38%.
Figura 2.10: Calibración del módulo glaciar ICE-KISS
1.8
1.5
1.2
Área [km^2]
0.9
0.6 Modelado
0.3 Observado
Esta calibración indica la correspondencia entre áreas observadas y modeladas para los glaciares del sistema Tuni.
40
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Figura 2.11: Calibración del modelo hidrológico a) Condoriri b) Tuni c) Huayna Potosí
1.5
1.2
Q[m^3/s]
0.9
0.6
0.3
0
ene-00 ene-01 ene-02 ene-03 ene-04 ene-05 ene-06 ene-07
Mes
Simulado Observado
(a)
1
0.8
Q[m^3/s]
0.6
0.4
0.2
0
sep-05 sep-06 sep-07 sep-08 sep-09
Mes
Simulado Observado
(b)
1
0.8
Q[m^3/s]
0.6
0.4
0.2
0
dic-99 abr-01 sep-02 ene-04 may-05 oct-06
Mes
Simulado Observado
(c)
La calibración del modelo hidrológico se realiza en las cuencas naturales, en puntos donde los caudales no han sido
afectados por intervención humana y operaciones.
Los resultados de la calibración son aceptables, y esto nos permite extrapolar los parámetros
para otras cuencas como Khara Khota, Taypichaca, Jachawaquiwiña y Janchallani. Los
criterios usados para la extrapolación son: a) proximidad a una cuenca con caudales
observados; b) las cuencas son de régimen natural – es decir, no existe mucha intervención
humana y por tanto la cobertura y uso de la tierra es similar en todos (según el mapa de
cobertura y uso de la tierra elaborado); c) las cuencas están sobre una altitud mayor a 4.300
41
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
msnm; d) las cuencas tienen características geológicas similares, donde se observan rocas
sedimentarias del Silúrico y Ordovícico, batolitos del Triásico y depósitos de morrena del
Cuaternario (GEOBOL 1995), y e) las cuencas presentas formación de suelos in situ de
textura franco arenoso y franco arcillo-arenoso.
En los caudales modelados en el EI (IC-RIMAC 2012), para Khara Khota y Taypichaca, por
ejemplo, el caudal promedio anual es de 0,9 y 1,25 m3/s respectivamente, en tanto que los
caudales modelados en WEAP para las mismas y están en el orden de 0,1 m3/s. En ambos
casos los caudales modelados por WEAP son mayores que los estimados en el EI, así que se
estaría sobrestimando la disponibilidad de agua en estas cuencas. Cabe anotar que la
calibración del modelo usado por IC-RIMAC (HBV) se realizó con los caudales observados
de la cuenca baja de Kaluyo, donde existe una influencia de asentamientos periurbanos. Por
otro lado, este modelo no incluye el aporte glaciar. Mientras no se cuente con caudales
observados en las cuencas Khara Khota y Taypichaca, no es posible afirmar qué modelo,
tanto WEAP como HBV está representando mejor el comportamiento hidrológico.
Calibración de los embalses
Los embalses destinados al suministro de agua para las ciudades de La Paz y El Alto son
cuatro: Milluni, Hampaturi, Tuni, Incachaca y Ajuankhota; las características de cada uno se
muestran en la Tabla 2.6. EPSAS cuenta con datos de volúmenes observados a nivel mensual
y reglas de operación tales como el nivel de amortiguamiento, lo cual permitió realizar la
calibración entre los volúmenes observados y modelados por WEAP y representar mejor la
modelación de las demandas urbanas. Los resultados de dicha calibración son aceptables,
como se puede observar en la Tabla 2.7 y la Figura 2.12; por ejemplo, el coeficiente de
correlación está por encima de 0,66.
Los embalses de sistemas de riego como Khara Khota (sistema de riego Tupak Katari-
Suriquiña) y Taypichaca (sistema de riego Taypichaca) tienen una capacidad de
almacenamiento útil de 14 y 8 hm3 respectivamente. Estos embalses no cuentan con datos de
volúmenes observados ni con reglas específicas de operación.
Tabla 2.6: Características y reglas de operación de los embalses de los sistemas de agua
para La Paz y El Alto
Volumen Nivel de
Tipo de Año de Volumen
Sistema Embalse muerto amortiguamiento
presa Construcción útil [hm3]
[hm3] [hm3]
Hampaturi Arco 1945 3,14 0,1 0,3
Incachaca Gravedad 1990 4,39 0,13 0,33
Pampahasi
Ajuankhota Gravedad 1994 3,50 0,1
Achachicala Milluni Gravedad 1940 11,23 1 1,5
Tierra
El Alto Tuni 1978 21,55 9,1 10,1
zonificada
Fuente: Comunicación personal con Jefe de Operaciones EPSAS (2012).
42
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
3.7E+07
3.2E+07
Volumen (m^3]
2.7E+07
2.2E+07
1.7E+07
1.2E+07
6.5E+06
1.5E+06
ene-00 ene-02 ene-04 ene-06 ene-08 ene-10
Mes
Observado Simulado
(a) Tuni
1.4E+07
1.2E+07
Volumen (m^3]
1.0E+07
8.0E+06
6.0E+06
4.0E+06
2.0E+06
0.0E+00
ene-00 ene-02 ene-04 ene-06 ene-08 ene-10
Mes
Observado Simulado
(b) Milluni
5.0E+06
4.0E+06
Volumen (m^3]
3.0E+06
2.0E+06
1.0E+06
0.0E+00
ene-00 ene-02 ene-04 ene-06 ene-08 ene-10
Mes
Observado Simulado
(c) Incachaca
4.0E+06
3.5E+06
Volumen (m^3]
3.0E+06
2.5E+06
2.0E+06
1.5E+06
1.0E+06
5.0E+05
0.0E+00
ene-00 ene-02 ene-04 ene-06 ene-08 ene-10
Mes
Observado Simulado
(d) Hampaturi
La calibración de los embalses es un punto crítico en el proceso, pues permite verificar el modelo desde el punto de vista de
suministro (capacidad de llenado de los embalses) y demanda (necesidad de agua para las ciudades y sector agrícola). De
esta manera la calibración de embalses permite verificar que el sistema hidrológico y de demandas está siendo
representado de forma apropiada.
43
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
500
300
44
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Segundo, se usó el RCPM para la región de interés (Figura 2.14). Esta es una técnica
estadística para calcular los cambios esperados del clima en el futuro para una región
determinada sobre la base de datos de observación y los resultados de un conjunto de
Modelos Climáticos Globales (GCM) y suposiciones sobre emisiones futuras. En la Figura
2.14 se muestra la distribución de la densidad de probabilidad, los puntos en azul son los
usados para generar proyecciones de clima.
Figura 2.14: Dominio de la región y funciones de distribución de densidad de
probabilidad de precipitación y temperatura
La zona roja en el mapa presenta el sector para el cual se analizaron los datos del RCPM. Las densidades de probabilidad
indican la distribución de los GCMs en cuanto a precipitación y temperatura. Los puntos azules en las gráficas indican 8
deciles aproximados que se utilizaron para dividir cada distribución en el desarrollo de escenarios climáticos para la
región.
Finalmente se aplicaron los cambios esperados del análisis probabilístico del RCPM a las
series sintéticas mensuales de precipitación. Se realizó una combinación de gamas de
opciones, desde escenarios secos y muy calientes (Figura 2.15), que en adelante se denominan
como pesimistas, hasta escenarios húmedos y calientes (Figura 2.16), denominados como
optimistas de acuerdo con la forma en que estos escenarios podrían beneficiar al sistema al
generar mayor disponibilidad de agua.
45
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
En esta gráfica se muestra el decil 3 de precipitación y temperatura, que se usó para desarrollar tendencias climáticas de
precipitación y temperatura (en rojo, respecto al escenario sin cambio climático en gris) para las estaciones climáticas en el
modelo WEAP generando un escenario seco y muy caliente.
En esta gráfica se muestra el decil 7 de precipitación y temperatura, que se usó para desarrollar tendencias climáticas de
precipitación y temperatura (en rojo, respecto al escenario sin cambio climático en gris) para las estaciones climáticas en el
modelo WEAP generando un escenario húmedo y caliente.
46
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
2. +3.5 +0.8
5 -7.3 +1.5
La figura muestra cómo se incluyeron las incertidumbres, como el crecimiento de población, dentro de un script en Excel.
47
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Figura 2.18: Script en Visual Basic for Applications (VBA) para vincular WEAP con Excel
El script de VBA controla WEAP a través de los comandos del API (Application Programming Interface) que permite que
WEAP sea controlado por el script, modificando las variables necesarias para realizar las iteraciones del ensamble.
Las estrategias de gestión (L) fueron representadas directamente en WEAP. Por ejemplo, los
nuevos embalses y aducciones se insertaron dentro de la esquemática, pero sus características
físicas propuestas se activaron con una función condicional manejada desde las suposiciones
clave “key assumptions” de WEAP. En la Figura 2.19 se muestra dicha implementación, la
cual indica que si en las key assumptions el valor es 0, entonces las características físicas
están desactivadas, y si este valor se cambia a 1, la estrategia de gestión es activada. Todos
estos cambios fueron automatizados mediante el Script de la Figura 2.18.
Figura 2.19: Implementación de Estrategias de Gestión (L) con key assumptions
Nota: La figura nos muestra la forma cómo han sido implementadas las estrategias en WEAP. En Key Assumptions se
crearon cuatro categorías: la primera conservación de bofedales, la segunda nuevas fuentes (alternativa 1, alternativa 2 y
alternativa 3), la tercera reducción de pérdidas en sistemas urbanos y la cuarta reducción de pérdidas en riego. Las
estrategias son activadas cuando el valor del Key Assumptions se cambia de 0 a 1. Este cambio está automatizado con un
Script de VBA.
48
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Los resultados de cada corrida en WEAP fueron exportados a una tabla de Excel con el
mismo Script de la Figura 2.20. Primero se crearon favoritos (que permiten guardar resultados
y gráficas con un nombre específico en WEAP) con los resultados del modelo representando
las M del XLRM; segundo, estos fueron nombrados en la tabla Excel cuya estructura o
formato se puede ver en la Figura 2.20. En esta tabla en la primera columna se guardó el
número secuencial de cada corrida, y en la segunda columna se identificó la estrategia de
gestión numerada desde 0 hasta 6 (la estrategia de gestión 0 es la Base, es decir, bajo las
condiciones actuales de manejo y operación), para un total de siete estrategias. Cada
estrategia se combinó con todas las incertidumbres, generando un total de 112 corridas por
estrategia, para un gran total de 784 corridas (Tabla 2.11).
Figura 2.20: Formato de la tabla de resultados en Microsoft Excel
49
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Escurrimiento
Para el análisis de los efectos de cambio climático sobre la oferta hídrica de las cuencas
estudiadas, comparamos los caudales modelados para los seis escenarios de cambio climático
para el período 2011-2050 respecto al período de referencia 2011-2010. En la Tabla 2.12 se
muestra el cambio de caudal en las cuencas de suministro de agua actual y potencial. El
caudal de ingreso al embalse Tuni para el período de referencia es 0,95 m3/s, el cual podría
reducirse en un 10,53% para el escenario de clima 6; en el caso de la cuenca Milluni la
reducción es de 0,73 m3/s a 0,62 m3/s, que en términos relativos equivale a un 15,07%.
En las cuencas Incachaca y Hampaturi la oferta hídrica para el período de referencia es de
0,32 m3/s y 0,49 m3/s, respectivamente; los cambios por efecto del cambio climático varían
desde una reducción del 3% al 40%, a un aumento del 2,04% al 10,20%. En las posibles
nuevas cuencas de suministro como Khara Khota y Taypichaca los caudales modelados para
el período de referencia son 1,05 m3/s y 1,32 m3/s, respectivamente.
En las posibles nuevas cuencas de suministro para el período 2011-2050, dependiendo del
escenario climático, la reducción de caudal puede variar entre 31,43% y 37,14% en Khara
Khota, y de 20,45% a 28,79% en Taypichaca. Existe una diferencia notable en los cambios en
estas nuevas cuencas en comparación con las otras cuencas del área de estudio (Tabla 2.12).
La diferencia está directamente relacionada con el aporte de los glaciares, ya que en el
período histórico (1995-2010) según los resultados de la modelación se presentó un retroceso
acelerado de los glaciares ubicados a una altitud menor a 5.300 msnm, y por ende mayor
aporte de caudal. En el período futuro 2011-2050, el retroceso sería menos acelerado, ya que
los glaciares están a mayor altitud y, a pesar de que existe un aumento en temperatura, no
sería suficiente para derretir los glaciares de mayor altitud, por lo que se presentaría menos
aporte de caudal. Esto hace que la comparación de aporte histórico (con mayor derretimiento
glaciar) con respecto al futuro (con menor derretimiento glaciar) presente cambios negativos.
Es importante resaltar que los resultados en estas nuevas cuencas deben ser usados como
referencia y no como valores exactos, ya que los parámetros del modelo hidrológico y glaciar
han sido extrapolados de otras cuencas como el Tuni, Condoriri y Huayna Potosí, lo cual
genera incertidumbre en los resultados.
50
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Tabla 2.12: Caudales modelados bajo escenarios de cambio climático para el período
2011-2050 y cambios porcentuales respecto al período de referencia 1995-2010
Referencia Escenario climático
Cuenca
[m3/s] 1 2 3 4 5 6
0,98 0,99 0,97 0,95 0,88 0,85
Sistema Tuni 0,95
(+3,16%) (+4,21%) (+2,11%) (0%) (-7,37%) (-10,53%)
0,78 0,78 0,79 0,68 0,63 0,62
Milluni 0,73
(+6,85%) (+6,85%) (+8,22%) (-6,85%) (-13,7%) (-15,07%)
0,34 0,34 0,31 0,27 0,27 0,24
Incachaca 0,32
(+6,25%) (+6,25%) (-3,13%) (-15,63%) (-15,63%) (-25%)
0,54 0,54 0,5 0,43 0,41 0,37
Hampaturi 0,49
(+10,2%) (+10,2%) (+2,04%) (-12,24%) (-16,33%) (-24,49%)
0,68 0,68 0,72 0,68 0,67 0,66
Khara Khota 1,05
(-35,24%) (-35,24%) (-31,43%) (-35,24%) (-36,19%) (-37,14%)
0,98 0,99 1,05 0,98 0,95 0,94
Taypichaca 1,32
(-25,76%) (-25%) (-20,45%) (-25,76%) (-28,03%) (-28,79%)
Figura 2.21: Caudal promedio anual para diferentes escenarios de clima futuro para el
período 2011-2050
Nota: en la figura se muestra el caudal promedio anual bajo escenarios climáticos en las cuencas Taypichaca, Khara Khota
y el caudal de ingreso al embalse Tuni proveniente de las cuencas Huayna Potosí, Condoriri y Tuni.
Área glaciar
En el dominio del modelo existen glaciares que en términos de área en las cuencas de Khara
Khota y Taypichaca alcanzan los 4 km2 en promedio. En las cuencas del sistema Tuni
(Condiriri, Tuni y Huayna Potosí) los glaciares suman aproximadamente 2 km2 para el año
2010. Estas áreas han sido calculadas sobre imágenes del satélite Landsat TM 5 de resolución
espacial de 30 m. Los resultados para el futuro indican que en la cuenca Tuni para el escenario
de clima más pesimista los glaciares desaparecerían aproximadamente a finales de la década de
los 2020s. Estos resultados son similares al trabajo de Olmos (2011) donde el comportamiento
se evalúa en función del volumen. Para el caso de las cuencas Khara Khota y Taypichaca existe
un retroceso para todos los escenarios de cambio climático pero todavía no llega a su
desaparición total de acuerdo con los resultados de la modelación con ICE-KISS. Sin embargo,
cabe mencionar que estos resultados son de carácter preliminar, ya que la modelación del aporte
glaciar se realizó con bastantes limitaciones en lo referente a datos de observación. El aporte
51
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
glaciar en las cuencas del sistema Tuni solo se podrá estimar de manera más confiable cuando
se cuente con una base de datos observados, como la que se está produciendo dentro del
Proyecto GRANDE llevado a cabo por el Instituto de Hidráulica e Hidrología (IHH-UMSA)
bajo cooperación internacional. Para este mismo propósito, se deberían instalar equipos de
observación hidro-meteorológica en las cuencas Khara Khota y Taypichaca.
Figura 2.22: Retroceso del área glaciar para el período 2011-2050
Nota: La figura muestra el retroceso de los glaciares para diferentes tendencias climáticas en las cuencas Khara Khota,
Taypichaca y Sistema Tuni (Tuni, Condoriri y Huayna Potosí).
52
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
(2-3)
𝐶𝑉 = 𝑚𝑎𝑥 {∑ 𝐶 − 𝑋𝑡 , 𝑖 = 1, … , 𝑁}
𝑡∈𝐽𝑖
53
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
12
10
8
Volumen
6 Agua entregada
4 Demanda
2
Criterio de cobertura
0
1 2 3 4 5 6 7 8 9 101112131415161718192021222324
Meses
Nota: en la figura se muestra los criterios usados para evaluar el desempeño de un sistema: demanda, agua entregada, y
un criterio de cobertura. Todos estos criterios están expresados en una unidad de volumen. En el ejemplo se muestra para
un tiempo de dos años o 24 meses.
12
10
Volumen
8
6 Agua entregada
4 Demanda
2
Criterio de cobertura
0
0 0 0 0 0 0 0 0 0
Frecuencia de Falla
Nota: un sistema está en un estado de falla cuando el agua entregada es menor que el criterio de cobertura, en la figura
están etiquetadas con cero. La frecuencia de falla es la suma de los meses en estado de falla, en el ejemplo es 9 meses. El
sistema tuvo éxito en 15 meses, si dividimos esto sobre 24 meses tenemos una confiabilidad de 65.2%.
12
10
8
Volumen
6 Agua entregada
4 1er período 2do 3er período
Demanda
2
de falla período de de falla
falla Criterio de cobertura
0
3 2 1 5 6 4 3 2 5
Magnitud de Falla
Nota: Basado en el concepto de la vulnerabilidad como la máxima duración de una falla y la magnitud máxima de la
misma. En la figura se tienen tres períodos de falla marcados con elipses amarillos. En los tres períodos la duración de la
falla es la misma, entonces la máxima duración de la falla es tres meses. Por otro lado, la magnitud de cada estado de
falla se calcula restando la demandan con el agua entregada. Sumando la magnitud de falla para cada período
obtenemos la magnitud máxima de la falla que corresponde al segundo período (15 unidades de volumen).
54
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
12
10
8
Volumen
6 Agua entregada
4 Demanda
2
Criterio de cobertura
0
1 1 1
Frecuencia de cambio de no-cobertura a cobertura
Nota: cuando existe una transición de un estado insatisfactorio o no-cobertura (falla) a un estado satisfactorio o cobertura
(no falla) en la figura esta numerada con 1 y la suma de los mismos en el tiempo analizado es la frecuencia de cambio de
no-cobertura a cobertura (∑𝑇𝑡=1 𝑊𝑡 ). Asimismo, el sistema en 24 meses (T) tuvo éxito en 15 meses (∑𝑇𝑡=1 𝑍𝑡 ). Con la Ecuación
2-5 obtenemos un índice de resiliencia de 0,33.
55
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Nota: Las barras azules indican que el sistema está en un estado de falla y las barras en color blanco indican que el
sistema funciona bien. El sistema El Alto con el Caso Base en el futuro está en un estado de falla permanente.
56
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
57
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
indica que dependiendo del escenario de cambio climático el sistema puede recuperarse de un
mes a otro entre 25% y 46,15% de las veces en que entra en estados de falla.
Con un cambio favorable del clima futuro (2) la confiabilidad del sistema incluso podría ser
mayor al 90% y la máxima duración de falla sería sólo de cuatro meses. Asimismo, la medida
de resiliencia con la estrategia L3 indica que el sistema puede recuperarse en 46,15% de las
veces en que entra en estados de falla. Por otro lado, los resultados presentados en la Tabla
2.15 indican que no existe mucha diferencia entre el desempeño de las tres estrategias (L1, L2
y L3). Pero cabe mencionar que estos resultados son para la combinación de las estrategias
con todos los escenarios climáticos, crecimiento de población bajo, consumo per cápita
actual, prioridad de distribución urbano-agrícola (igual para el sector urbano y agrícola) e
incremento del área de riego bajo. En la siguiente sección se analiza el desempeño para todos
los escenarios donde posiblemente estos indicadores puedan sufrir cambios.
Ahora, hasta el año 2050 tampoco existen diferencias perceptibles entre el desempeño de las
estrategias de nuevo almacenamiento de agua (Tabla 2.16). A comparación del período 2011-
2030 para los escenarios climáticos 5 y 6 la confiabilidad es menor del 80% ya que varía entre
74,7% a 78,33%. Por otro lado, la vulnerabilidad en el peor de los casos podría ser 10 meses y
la resiliencia 23,68%.
La resiliencia del sistema El Alto a mediano plazo y a largo plazo depende principalmente de
la inversión en nuevas fuentes de suministro. Pero éstas podrían ser insuficientes para resolver
todos los problemas de abastecimiento de agua previstos en el futuro. Estas estrategias deben
ser acompañadas con otras, como reducción de pérdidas (L6). Asimismo, se podrían explorar
otras posibilidades, como el aprovechamiento de aguas subterráneas, tal es el caso del sistema
Tilata que no ha sido estudiado en este proyecto.
Figura 2.30: Confiabilidad de sistemas de agua de La Paz y El Alto, 2011-2030
Nota: En la figura se puede apreciar la confiabilidad expresada en porcentaje para diferentes estrategias de manejo.
Por ejemplo confiabilidad del 80% significa que el 20% del período de tiempo analizado el sistema está en un estado
de falla.
58
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Nota: La figura representa la vulnerabilidad de los sistemas basado en el concepto de la máxima duración de falla en
meses.
59
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Nota: La figura representa el índice de resiliencia que también puede ser expresado en porcentaje. Por ejemplo un índice
de 0,5 significa que el sistema puede recuperarse en 50% de las veces en que entra en estados de falla.
60
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Nota: La figura muestra la confiabilidad del sistema El Alto comparado con sistemas riego con prioridades de distribución
equitativa.
61
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Nota: El panel de control cuenta con tres gráficas principales: dos gráficas de confiabilidad de los sistemas urbanos y
agrícolas, y una gráfica resumen basada en el límite de confiabilidad. La confiabilidad por encima un límite definido indica
un buen desempeño que en la gráfica se visualiza en azul, y por debajo del límite se visualiza con color naranja.
La comparación del desempeño de las estrategias con todas las incertidumbres ayuda a
identificar la estrategia para el sistema El Alto. El análisis se realiza para dos horizontes de
tiempo: el primero hasta el año 2030 (mediano plazo) y el segundo hasta el año 2050 (largo
plazo). Asimismo, el criterio de cobertura fijado para sistemas urbanos es 80% y para
sistemas agrícolas 70%. El resumen de los resultados se presenta en las Tabla 2.17 y 2.18.
A corto plazo en el sistema El Alto se debería implementar la estrategia de reducción de
pérdidas (L6) y seguir inyectando el caudal de 55 l/s del embalse Milluni. A mediano plazo se
debería implementar la estrategia de nuevo almacenamiento L1 pero sin desatender L6. A
largo plazo se debe pensar en otra estrategia, como por ejemplo L3. Se podrían explorar otras
62
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
63
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
64
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
máxima duración de la falla con L2 es 124 meses, mientras que con L3 podría variar entre
nueve y 21 meses. Con base en estos datos se descarta la estrategia L2. Por otro lado, hasta el
año 2050 la estrategia L3 tiene un desempeño bueno debido a que con L1 la máxima duración
de la falla varía entre 231 y 239 meses. A corto plazo se recomienda implementar la estrategia
L6, ya que la cobertura de la demanda podría estar mayor o igual al 80% durante tres años.
Además se debe seguir inyectando el caudal de 55 l/s del embalse Milluni. A mediano plazo
se recomienda implementar la estrategia L1. A largo plazo se debe pensar en otra estrategia
por ejemplo L3. La estrategia de nuevo almacenamiento podría ser insuficiente por lo que se
recomienda explorar otras posibilidades como el aprovechamiento de aguas subterráneas tal
es el caso del sistema Tilata.
Las estrategias de manejo L1 y L2 afectan las fuentes de suministro de agua de sistemas de
riego como Tupak Katari-Suriquiña y Taypichaca. El desempeño para zonas agrícolas medido
con los mismos indicadores como la confiabilidad dan cuenta que no sufrirán problemas en la
cobertura de la demanda, lo cual refleja el efecto de que estas estrategia representadas en
WEAP presentan un enfoque integral que incluye la mejora de infraestructura, reducción de
pérdidas e incremento del área de riego. Si se cambian las prioridades de distribución,
dándole prioridad alta a los sistemas urbanos y prioridad baja a los sistemas agrícolas, la
confiabilidad de sistemas urbanos estaría por encima del 90% para todos los escenarios de
clima, pero la agrícola estaría por debajo del 50%.
En este reporte se describieron los pasos que se siguieron para construir una herramienta que
permita apoyar la toma de decisiones basado en Análisis de Decisiones Robustas para los
sistemas de agua de La Paz/El Alto. El trabajo presentando culmina en una serie de resultados
que permiten evaluar las mejores opciones y su desempeño bajo incertidumbre. Estos
resultados responden al proceso descrito y a una iteración en la que se recibió
retroalimentación por parte de los técnicos en las instituciones clave sobre las alternativas a
evaluar, de forma que se realizó el ciclo completo de preparación e investigación en el que al
final se capturó la respuesta por parte de los técnicos en las instituciones clave y se revisó el
proceso completo.
En la primera iteración del análisis, algunas incertidumbres generaban gamas de desempeño
por debajo de los niveles deseables. Esto permitió la investigación de una posible
combinación de estrategias de forma que las estrategias propuestas para evaluación por parte
de los tomadores de decisiones se definieron como estrategias integradas que permitieron
incorporar construcción de infraestructura en combinación con crecimiento agrícola y
disminución de pérdidas, las cuales se consideraron como incertidumbres en la primera
iteración. Es importante resaltar que, aunque esto permite resultados con mejor desempeño,
también se requiere una decisión de política de que las estrategias que se implementen
incluyan todos los elementos considerados (infraestructura + reducción de pérdidas +
crecimiento agrícola planeado) en el diseño e investigación de las mismas.
Sobre el proceso de generación de capacidades
Del trabajo planteado por SEI en torno a WEAP en el contexto metropolitano de La Paz/El
Alto se identifica que el modelo generado tiene la capacidad y versatilidad para integrar una
serie de variables claves en cuanto a la hidrología regional, los escenarios de cambio
climático, los diferentes usos y demandas de agua y las diversas estrategias y medidas
contempladas para evolucionar el sistema de provisión de agua en La Paz/El Alto.
El modelo es percibido por los actores como útil y relevante para conducir procesos de
planificación. Sin embargo, para que este modelo pueda ir evolucionando de acuerdo a las
necesidades de los actores, es importante asegurar alguna forma de gobernanza que asegure
65
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
que los principales actores, tanto institucionales como individuales, estén presentes y tengan
la oportunidad de mejorar el modelo y utilizarlo para fines de planificación y concertación
entre los actores.
Existen dificultades en cuanto a la concertación y diálogo entre los actores en el área
metropolitana, lo que dificulta la implementación de planes y herramientas para la
planificación como WEAP. Los procesos y mecanismos de concertación entre los municipios
involucrados deben evolucionar a su propio ritmo y de acuerdo a la voluntad de los actores,
aunque podrían ser apoyados con procesos de facilitación y mediación. Si se logran esclarecer
los mecanismos de concertación, entonces también será más fácil proponer el uso de
herramientas de planificación como el Plan Director o WEAP a los actores.
Existen al menos tres grupos de personas e instituciones que podrían ser abordados con
diferentes estrategias:
1. El grupo de investigadores y expertos puede complementar y/o mejorar las entradas y
salidas del modelo. A este grupo se pueden añadir los técnicos de las instituciones
públicas y privadas como EPSAS o los técnicos de la Alcaldía de La Paz y del
Viceministerio de Agua y Saneamiento Básico.
2. Existe un grupo de planificadores que tienen el suficiente conocimiento técnico,
político y normativo para revisar la consistencia del modelo en cuanto a sus entradas,
supuestos básicos y salidas y ver su aplicabilidad para responder a los retos de
mediano y largo plazo; este grupo posiblemente incluye funcionarios de alto nivel,
asesores, donantes, etc., y probablemente sería bueno invitar al PNCC a participar.
3. Existe un grupo de actores clave que se encuentran en un proceso de negociación
(conflicto) y que necesitan información fidedigna y el mejor estado del arte (a lo que
WEAP puede contribuir) para el mismo proceso de negociaciones. Estas personas e
instituciones necesitan conocer WEAP como herramienta, pero también como
proceso de concertación e institucionalidad para confiar en sus principales salidas y
poder hacer uso de ello en la negociación.
Para lograr estos fines se podría seguir una estrategia como la que se sugiere a continuación:
Un grupo de trabajo en torno a WEAP que pueda tener una institucionalidad básica
alrededor del PNCC y el IHH, orientado a seguir mejorando el modelo. Esta idea sale
de conversaciones entre los actores que proponen este tipo de arreglos entre
organizaciones para dar continuidad a los procesos.
La utilización de WEAP en el contexto del Plan Director incluyendo al VASB, la
Alcaldía de La Paz y a EPSAS.
Explorar los vínculos entre ambos grupos; posiblemente se puede pensar en la
producción de un reporte periódico sobre recursos hídricos y agua en el altiplano
Norte y en eventos que contribuyan a que los actores claves tengan acceso a la
información más relevante y al estado del arte sobre la temática.
El corolario de este proceso de investigación apunta a que los tomadores de decisiones deben
promover los procesos de identificación de decisiones robustas a través del uso de un set de
herramientas como las desarrolladas en este estudio, y a través del involucramiento de un
grupo de actores que puedan concentrarse en soluciones flexibles que puedan ser
consideradas de forma adaptativa hacia el futuro.
66
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
7
El sitio de web del PEOT contiene información detallada acerca del Proyecto Olmos y los demás componentes
del plan: http://peot.regionlambayeque.gob.pe.
8 Reuters, publicado en La República, 8 de abril 2013. http://www.larepublica.pe/08-04-2013/olmos-convertira-el-
desierto-norteno-en-campos-fertiles.
67
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
La primera etapa del Proyecto Olmos busca aprovechar las aguas del Río Huancabamba para
irrigar 43.500 hectáreas, incluyendo 38.000 ha de nuevo terreno agrícola. Este es uno de dos
proyectos que aprovecharían este recurso; aguas arriba, en el Proyecto Especial de Irrigación
e Hidroenergético del Alto Piura se propone irrigar 50.000 ha, e instalar dos centrales
hidroeléctricas de 150 MW. En ese contexto, este estudio plantea preguntas como: ¿Cuántas
hectáreas de terreno agrícola se pueden irrigar con agua del Río Huancabamba, bajo las
opciones actuales de operación? ¿Cuáles son los principales riesgos e incertidumbres que se
debe tomar en cuenta, y qué impacto podría tener el cambio climático en particular? ¿Cómo
podría un embalse mitigar esos riesgos?
Se utilizó el marco XLRM para evaluar el problema con un grupo de agricultores e identificar
los parámetros y las variables y medidas relevantes. Los componentes del análisis XLRM se
resumen a continuación.
68
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Figura 3.4: Ubicación y magnitud del IFR aguas abajo del Embalse Limón
69
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
La primera figura muestra la temperatura: Upr = Alto Huancabamba; Lwr = Bajo Huancabamba; Obs = observado;
WrfHIST = clima mensual con corrección de sesgo derivado de WRF para el mismo período histórico; Wrf2XCO2 =
clima mensual con corrección de sesgo derivado de WRF para el clima futuro (2045-2055).
70
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Vale anotar que los datos corregidos del WRF se localizan de forma cercana y casi perfecta
con los datos de temperatura histórica (Upr Obs y Lwr Obs), sugiriendo que la corrección de
sesgo puede modificar adecuadamente los datos crudos del clima en WRF, incluyendo la
temporalidad de las estaciones, con temperaturas y precipitaciones mensuales preservadas en
gran parte. Como se mostrará en el análisis que usa los datos derivados del clima WRF, la
corrección de sesgo sirvió para hacer los datos del WRF útiles para el modelo hidrológico,
pero los datos del clima de WRF subestimaron la variabilidad inter-anual, cuando se
compararon con los datos históricos de clima. Esto tiende a dar un resultado favorable de las
medidas de desempeño, ya que los episodios de sequía severos no están contenidos dentro de
las corridas de clima basadas en WRF.
El escenario de cambio climático de 2x CO2 muestra que a elevaciones mayores, la
temperatura aumenta por 2.4°C y 2.0°C para el Huancabamba Alto y Bajo, respectivamente.
Para todo el Río Huancabamba, se presenta un aumento en la precipitación anual de 6%, pero
con una variación substancial entre estaciones, con aumentos en algunos meses y reducciones
en otros. El Huancabamba Alto presenta aumentos notorios en precipitación en junio, julio y
agosto (Figura 3.5). El resultado del cambio de clima basado en el WRF 2x CO2 se usó para
forzar el modelo de planeación de recursos hídricos WOlmos como un factor de
incertidumbre clave.
71
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
El modelo WOlmos incluye una representación de las áreas irrigadas actuales y futuras del
Proyecto Olmos, el Río Huancabamba, el Túnel Transandino y el embalse de la Presa Limón,
un requisito de caudal abajo del canal de derivación, dos plantas hidroeléctricas (CH1 and
CH2), el Río Olmos, un eventual embalse en Olmos, los requisitos de caudal para Piura, y una
representación de las áreas nuevas de riego en la llanura costera de Lambayeque. El modelo
funciona a paso de tiempo mensual basado en el año hidrológico que inicia en septiembre,
alimentado por datos climáticos históricos que abarcan el período de 1980 hasta 2006. Este
período corresponde a los años usados para generar datos del clima para las condiciones
históricas y futuras usando el modelo WRF de NCAR. Tanto el clima observado como el
clima generado con WRF se pueden usar para alimentar el modelo WOlmos.
La Figura 3.7 muestra el volumen de precipitación anual para cada una de las áreas de
captación (“catchments” en WEAP) en el modelo WOlmos. Es importante notar que la
precipitación es proporcionalmente mayor en las zonas de mayor elevación (UprHuan_3000;
LwrHuan_2500, etc.) que en las de menor elevación.
Figura 3.7: Precipitación anual para cada área de captación en el Río Huancabamba
72
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Las tendencias de largo plazo muestran aumento en escorrentía, con un período seco de
mayor duración ocurriendo en los 1950s y en los primeros años de los 1960s. Se observan 15
años consecutivos de caudales por debajo del promedio de largo plazo, 24.5 m3/s, empezando
en 1947 y terminado en 1962, y el caudal mínimo del período, 12.4 m3/s, en 1957, marcado en
la imagen. Contrario a lo que se pensaría, esta duración de bajo período corresponde con el
período de condiciones fuertes del fenómeno de El Niño.
Nota: Se muestran los meses en el eje X y años en el eje Y; los caudales máximos aparecen en marzo y abril (verdes y
azules), y caudales más bajos aparecen entre agosto y noviembre (amarillos y rojos).
73
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Escenario 2 (FULL Piura): El escenario Full Piura asume que Piura toma 45% del
total de los caudales del Río Huancabamba, mientras se mantiene un requisito de
caudal debajo de la desviación de Piura y abajo del Embalse Limón de 1.3 m3/s (en
este último aspecto, es igual al Escenario 1).
Los dos escenarios base asumen un patrón de cultivo establecido y estático en el tiempo.
Dado que la temporada en que se use de agua para irrigación es crítica para el volumen total
de agua, para las simulaciones de demanda de agua para irrigación, es importante saber el
patrón de cultivo, cuándo se irriga, y por cuánto tiempo. La escorrentía pico es en marzo, y
con poco almacenamiento de agua, la entrega y disponibilidad del agua depende de la
demanda de agua, la disponibilidad de agua del Proyecto Olmos, y de cuánta agua esté
almacenada. El patrón de cultivos configurado en el modelo WOlmos para el valle antiguo
agrícola (OLVag) se muestra en la Figura 3.9. Para este patrón de cultivos, la demanda
máxima para irrigación es de noviembre a abril, lo que sugiere que hace falta almacenar agua.
El área agrícola irrigada total asumida para la nueva zona agrícola de Olmos (Newag) es 20.000
hectáreas de cultivos permanentes y 14.000 hectáreas de cultivos estacionales. En el modelo de
WOlmos, estas áreas están agregadas como un grupo de cultivos para cada categoría, usando
sólo dos objetos de áreas de captación (catchments) en WEAP (ver Figura 3.3).
La Figura 3.9 muestra el patrón de demanda de agua para el patrón de cultivos fijo y muestra
un patrón de demanda máxima de agua de noviembre a enero.
El área total irrigada con una mezcla definida de cultivos produce un promedio anual de
demanda de agua a nivel de campo de 10 m3/s. Con pérdidas de transmisión y de ineficiencia, el
requerimiento total de entrega es de 12 m3/s para el área agrícola nueva y vieja combinadas, y es
consistente con el Reporte. El valle agrícola viejo es contenido dentro del objeto del catchment
OVAg, e incluye 6.200 hectáreas de área cultivada con casi todos los tipos de cultivos con un
promedio anual de demanda de agua a nivel de campo de 2,1 m3/s. La Figura 3.9 muestra la
magnitud potencial y el momento de los requerimientos de agua y las entradas mensuales en el
Embalse Limón. Es importante observar que para este patrón de cultivos, las demandas de
irrigación son mayores para noviembre y marzo, y por lo tanto durante las condiciones de
sequía como las del año 1997 podría haber déficits de agua de noviembre a enero.
Nota: Demanda de agua para los cultivos permanentes y estacionales en las regiones del Valle Nuevo y el Valle Viejo
en la región de Olmos. Las líneas muestran las entradas de agua promedio y mínimas en el Embalse Limón. El
escenario de línea base, FULL Piura, incluye 20.000 ha de cultivos permanentes y 14.000 ha de cultivos estacionales.
Las etiquetas de cada cultivo están en porcentaje de área para cada región. La ‘P’ indica cultivo permanente.
74
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
66.7 mill m3
75
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Nota: La figura muestra el caudal mensual y un resumen de estadísticas para Limón en el escenario sin desvíos para Piura.
Dev es la desviación estándar, R es el coeficiente de correlación de Pearson, NS es la eficiencia de Nash-Sutcliffe (Nash y
Sutcliffe 1970) donde un valor de 0,44 indica un buen acuerdo entre los caudales simulados y observados entre meses. El
índice alternativo de Kling-Gupta sugiere mayor capacidad que el Nash-Sutcliffe, con un valor de 0,72 (Gupta et al. 2009).
La Figura 3.12 muestra el promedio anual de los caudales observados en la estación Limón
para el período histórico (Limón Gauge), con un promedio anual de caudal de 25 m3/s, y un
caudal anual simulado en la estación Limón para los dos escenarios de NO Piura y FULL
Piura. El escenario FULL Piura supone un canal hacia Piura completamente activo hacia
Piura que desvía un 45% del volumen total anual del Río Huancabamba, y se muestra como
una línea discontinua en la Figura 3.12. La figura muestra el impacto que el canal FULL
Piura tendría en los caudales disponibles en Limón, con una disminución en el promedio
anual de caudales de 25 m3/s a 17 m3/s. Hay una correspondiente disminución en la
confiabilidad anual del caudal promedio del 51% al 45%, para los escenarios NO Piura y
Full Piura, respectivamente, como lo indican las flechas en la Figura 3.12.
Nota: La figura muestra los caudales del Río Huancabamba en el punto de observación Limón (Limón Gage, línea solida
con una marca), y el caudal anual promedio simulado para el escenario NO Piura y FULL Piura.
76
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
77
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
𝜌(2𝜋)−1/2
𝑚−
𝑚2
Φ(−m)exp( 2 )
𝑟=Φ
√1 − 𝜌2
[ ]
donde ρ es el coeficiente serial de la correlación de lapso uno de los caudales (igual a cero
para caudales independientes), Φ es el operador de la distribución de probabilidad acumulada
para la variable aleatoria estandarizada normal (i.e. 𝛷[0]=0.5), y m es el caudal neto
estandarizado definido arriba. El índice de resiliencia se usa para evaluar el comportamiento
de los embalses dominados por requisitos de almacenamiento intra- e interanuales (Vogel y
Bolognese 1995; Vogel et al. 1995). El índice de resiliencia se considera un mejor indicador
(que m) del comportamiento del sistema, dado que tiene en cuenta la correlación serial de los
caudales (Vogel and Bolognese 1995). Es conveniente observar que si los caudales anuales
son independientes (p=0), el índice de resiliencia se reduce a r = 𝛷(𝑚). Es decir, hay una
probabilidad del 59% de que el embalse se recupere de una falla después de que la falla ha
ocurrido. Para un embalse infinito, m=0, entonces r=0.5.
La Tabla 3.1 resume las medidas de desempeño para los dos escenarios base. Es posible que
la diferencia más interesante entre estos dos escenarios sea que el caudal estandarizado neto
está por encima de 1,0 para el escenario FULL Piura, sugiriendo la necesidad de un mayor
almacenamiento para aumentar la resiliencia del sistema. Para el Proyecto Olmos, el caudal
reducido de Limón reduce el índice de resiliencia del sistema Olmos del 96% al 76%.
Generación hidroeléctrica
El desvío del Proyecto Olmos incluye la posibilidad de una generación sustancial de
hidroelectricidad, ya que el agua se desvía por el Túnel y baja hacia el valle del Río Olmos.
Dos centrales hidroeléctricas, CH1 and CH2, pueden exceder 32 m3/s cada una con capacidad
de generación de 120 MW, ya que el agua caería por más de 400 metros a cada turbina, con el
potencial de genera alrededor de 1.000 GWh. El análisis presentado asume que estas centrales
se instalan en el escenario de FULL Piura, con una generación anual promedio de 875 GWh.
78
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
79
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
80
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
climático. Debido a que ambas series fueron derivadas independiente esto resulta en las
diferencias observadas en la variabilidad interanual (líneas verde y naranja en la gráfica).
Figura 3.15: Precipitación anual observada, Laguna Shimbe, y simulada con WRF
Nota: Los datos de WRF incluyen datos crudos del modelo, datos con el sesgo corregido (BC WRF), y datos del pseudo
calentamiento global del WRF con el sesgo corregido (BC WRF PGW).
Los datos climáticos contemporáneos y futuros (2x CO2) con el sesgo corregido se usaron
para forzar el modelo WOlmos. La Nota: muestra las frecuencias de caudal modeladas del
Río Huancabamba para estos escenarios diferentes. El escenario FULL Piura es de
referencia, basado en el WOlmos y alimentado por el clima actual observado. Un segundo
escenario, marcado como WrfCClimate (el escenario de clima actual del WRF), muestra una
frecuencia de caudal basada en el modelo WOlmos alimentado por el clima del WRF y
corregido por el sesgo para 1x CO2. Aquí la expectativa es que los caudales simulados desde
el escenario FULL Piura y WrfCClimate serían estadísticamente similares. Se presenta el
problema de que el escenario de WrfCClimate tiende a sobre-estimar la magnitud de las
condiciones de caudal bajo, ya que los caudales bajo un escenario de Referencia son menores
que después de un nivel del percentil 50. Esto es un efecto de que el clima derivado del WRF
no es representativo de la variabilidad interanual. El coeficiente de variación anual (cv) del
caudal observado en Limón fue de 0,27, mientras que el cv para el escenario con el sesgo
corregido, WrfCClimate fue solamente de 0,17.
El caudal promedio del Río Huancabamba estimado con datos históricos es de 17 m3/s para el
clima WrfCClimate (1x CO2) y para WRF-PWG (2x CO2) es 18 y 19,5 m3/s respectivamente.
81
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Nota: Las curvas muestran la de frecuencia del caudal en el Río Huancabamba usando el clima observado (Reference), el
clima corregido del sesgo del WRF bajo condiciones actuales (WrfCClimate), y el clima del WRF bajo condiciones de 2x
CO2 (WRF-PWG). La línea horizontal es el caudal promedio anual estimado en el Embalse Limón de 17 m3/s e incluye la
diversión de Piura.
Dada la alta incertidumbre sobre el clima futuro, sobre todo respecto a la precipitación, se
adicionó un escenario, el Wrf2XCO2T, para el cual el modelo WOlmos es alimentado con
datos observados de precipitación, mientras que los datos de corregidos de temperatura con el
sesgo de las simulaciones del clima de WRF, se usaron para la variable de temperatura en el
modelo WOlmos. La Figura 3.16 incluye este escenario Wrf2XCO2T, y muestra que los
cambios en temperatura, del orden de 2ºC, conducirían a una reducción en caudales promedio
anuales en Limón.
El clima observado, la corrección del sesgo, el clima WRF 1x CO2, y el clima WRF-PGW se
usaron para explorar cómo las opciones de manejo (L), como la adición de nuevo
almacenamiento o patrones de cultivo alternativos, alterarían las medidas de desempeño,
incluyendo las demandas insatisfechas y la confiabilidad, resiliencia y vulnerabilidad usando
los parámetros descritos arriba.
El índice de caudal de entrada es independiente del almacenamiento, pero cambia en función
de los escenarios de clima, debido a los atributos de caudal de entrada y de los cambios en la
demanda. Se esperaría que el escenario basado en los datos del WRF con el sesgo corregido
para el período actual (WrfCClimate) sería similar al escenario de Referencia, pero debido a
que éste no tiene tantos años de caudales bajos, el desempeño es “mejor”. Para los escenarios
basados en el WRF, el índice de caudal de entrada, m > 1, sugiere menos fallas en el sistema.
Donde falla es que el embalse no se recupera después de que ha fallado. El aumento en la
nueva capacidad de almacenamiento aumenta la resiliencia (r), que es la medida de la
posibilidad de que un sistema en particular se recupere después de que la falla haya ocurrido,
donde la falla o escasez definida como la inhabilidad del sistema del reservorio para
suministrar su producción en un año dado (Vogel et al. 1999). El nuevo almacenamiento
reduce la vulnerabilidad incrementando el índice, D.
Esto sugiere que el sistema de agua exhibe un comportamiento intra-anual (m > 1), con una
probabilidad del 97% de que el sistema se recupere después de la falla; donde la falla es la
inhabilidad de suministrar la producción dada de 12 m3/s.
82
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
83
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Las demandas de cultivo mayores para estos meses son para cultivos de vid (uvas) y
pimientos. El escenario de patrón de cultivos Modificado asume reducciones en estos dos
cultivos y los aumentos proporcionales de otros. La Figura 3.19 muestra la distribución
proporcional de los cultivos tanto en áreas cultivadas estacionales como permanentes, para los
escenarios de Referencia y Modificado. Los pimientos se dejarían de producir, y la vid se
reduciría substancialmente. Otros cultivos se aumentarían como se indica.
84
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Nota: La primera gráfica muestra los cambios para cultivos estacionales, y la segunda, para cultivos permanentes. Se
reduciría el cultivo de pimientos y de vid, y se aumentaría el cultivo de otras frutas y verduras.
La Figura 3.20 muestra la demanda de cultivo promedio resultante para los escenarios de
Referencia y Modificado. La demanda promedio anual es marginalmente mayor en el
escenario modificado, pero la demanda cambia hacia la estación húmeda, con demandas
reducidas posteriormente en la estación seca (noviembre a diciembre). El patrón de cultivo
asociado con el escenario Modificado lleva a un aumento anual general de la demanda en un
6%. De forma interesante, el objetivo de reducir la demanda no satisfecha a través de
enfocarse en cultivos específicos (pimientos y vid) no redujo la demanda insatisfecha
posteriormente en la estación seca. A pesar del almacenamiento limitado en el Embalse
Limón, éste ha retenido agua en la etapa temprana de la estación seca (mayo, junio, julio) para
ser usada posteriormente en el año (noviembre a febrero). Para el escenario de Reference, la
demanda reducida de la etapa temprana en la estación seca, significa posteriormente más agua
al final de la estación seca.
85
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Como una síntesis final del análisis de XLRM, se presentan en la Tabla 3.2 los factores que se
evaluaron, con la gama de posibles valores y su representación en el modelo integrado de
simulación de recursos hídricos.
86
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
87
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
4. CONCLUSIONES GENERALES
Los casos de estudio en de La Paz/El Alto en Bolivia y de Olmos en Perú se presentan para
demostrarle al BID y a sus colaboradores un enfoque innovador de introducir las
incertidumbres de cambio climático en la tarea crucial de manejar recursos hídricos en los
Andes. Este es un gran reto, dadas las otras presiones que enfrentan los administradores de
agua a nivel regional: urbanización rápida, niveles relativamente bajos de provisión de
servicios, cambio dramático en el uso del suelo, cambios en los sistemas de producción y
mercados agrícolas, gran dependencia regional en sistemas de producción hidroeléctrica, y la
concientización creciente sobre los valores y servicios de los ecosistemas, para nombrar
algunas. Es claro que el paradigma antiguo de análisis y apoyo a las decisiones de un sector
individual, y con planeación determinística, no está a la altura de la tarea, y por lo tanto se
requieren nuevos marcos de análisis. El uso de WEAP, una herramienta de modelación
altamente integrada, con el marco innovador de apoyo a las decisiones XLRM, ofrece una
alternativa prometedora para enfrentar el reto.
Una fortaleza de WEAP es que contiene en una plataforma analítica común la representación de
procesos hidrológicos, demanda de agua de cultivos, demanda de agua municipal e industrial,
generación de hidroelectricidad, calidad del agua y caudales ambientales. Cuando esta
herramienta se anida con un marco de análisis de decisiones que permite a los actores clave y
tomadores de decisiones la evaluación potencial de un conjunto de estrategias de manejo de
agua en frente a un rango de incertidumbres futuras, el poder del enfoque se ve claro.
Cabe anotar que los dos casos de estudio difieren de forma importante, por lo cual se justifica
describir las ventajas y desventajas relativas de cada enfoque. Dos diferencias principales
entre los estudios de caso son:
En el caso de Perú, el análisis de cambio climático fue más un análisis a posteriori de
las implicaciones potenciales del cambio climático en una mejora del sistema que ya
se está implementando, mientras que en Bolivia el análisis se llevó a cabo en el
contexto de planeación y toma de decisiones que se continúa desarrollando.
Como corolario, el análisis en Bolivia está más integrado en el proceso de toma de
decisiones que involucró representantes de organizaciones clave dentro del Grupo
Focal, mientras que el estudio en Perú fue un estudio preliminar.
88
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
89
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
90
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
REFERENCIAS
Anderson, J., Chung, F., Anderson, M., Brekke, L., Easton, D., et al. (2007). Progress on
incorporating climate change into management of California’s water resources. Climatic
Change, 87(S1). 91–108. DOI:10.1007/s10584-007-9353-1.
Andrade, M. y Blacutt, L. (2010). Evaluación del modelo climático regional PRECIS para el área
de Bolivia: Comparación con datos de superficie. Revista Boliviana de Física, 16. 1–12.
Bates, B., Kundzewicz, Z., Wu, S. y Palutikof, J. (2008). Climate Change and Water. Technical
Paper of the Intergovernmental Panel on Climate Change, IPCC Secretariat, Geneva.
http://www.ipcc.ch/pdf/technical-papers/climate-change-water-en.pdf.
Brekke, L. D., Kiang, J. E., Olsen, J. R., Pulwarty, R. S., Raff, D. A., et al. (2009). Climate
Change and Water Resources Management: A Federal Perspective. U.S. Geological Survey
Circular 1331. http://pubs.usgs.gov/circ/1331/.
Brown, C. (2010). The End of Reliability. Journal of Water Resources Planning and
Management, 136(2). 143. DOI:10.1061/(ASCE)WR.1943-5452.65.
Calizaya, A., Ayala, G., Lima, N. y Quisbert, H. (2012). Estrategia para la concertación y
sostenibilidad del abastecimiento de agua para la ciudad de El Alto. Presented at the XXV
CONGRESO LATINOAMERICANO DE HIDRÁULICA, San José, Costa Rica.
Centro de Cambio Global, Universidad de Chile y Stockholm Environment Institute (2009). Guía
Metodológica – Modelación Hidrológica y de Recursos Hídricos Con El Modelo WEAP.
Santiago, Chile, y Somerville, MA, EEUU.
http://weap21.org/downloads/Guia_modelacion_WEAP_Espanol.pdf.
Fowler, H. J., Blenkinsop, S. y Tebaldi, C. (2007). Linking climate change modelling to impacts
studies: recent advances in downscaling techniques for hydrological modelling. International
Journal of Climatology, 27(12). 1547–78. DOI:10.1002/joc.1556.
Fowler, H. J., Kilsby, C. G. y O’Connell, P. E. (2003). Modeling the impacts of climatic change
and variability on the reliability, resilience, and vulnerability of a water resource system.
WATER RESOURCES RESEARCH, 39(8). 1–11. DOI:10.1029/2002WR001778.
Francou, B., Vuille, M., Wagnon, P., Mendoza, J. y Sicart, J. E. (2003). Tropical climate change
recorded by a glacier in the central Andes during the last decades of the twentieth century:
Chacaltaya, Bolivia, 16°S. Journal of Geophysical Research: Atmospheres, 108(D5).
DOI:10.1029/2002JD002959.
Freed, R. y Sussman, F. (2006). Converting Research Into Action: A Framework for Identifying
Opportunities to Provide Practical Decision Support for Climate Change Adaptation. Water
Resources Impact, 8(5). 11–14.
Gangopadhyay, S., Clark, M. y Rajagopalan, B. (2005). Statistical downscaling using K-nearest
neighbors. Water Resources Research, 41(2). DOI:10.1029/2004WR003444.
GEOBOL (1995). Carta Geologica Hoja 5945 - Milluni. La Paz, Bolivia.
Giles, J. (2002). Scientific uncertainty: When doubt is a sure thing. Nature, 418(6897). 476–78.
DOI:10.1038/418476a.
Groves, D. G. y Lempert, R. J. (2007). A new analytic method for finding policy-relevant
scenarios. Global Environmental Change, 17(1). 73–85.
DOI:10.1016/j.gloenvcha.2006.11.006.
Groves, D. G., Yates, D. y Tebaldi, C. (2008). Developing and applying uncertain global climate
change projections for regional water management planning. Water Resources Research,
44(12). W12413. DOI:10.1029/2008WR006964.
Grübler, A. y Nakicenovic, N. (2001). Identifying dangers in an uncertain climate. Nature,
412(6842). 15–15. DOI:10.1038/35083752.
91
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Gupta, H. V., Kling, H., Yilmaz, K. K. y Martinez, G. F. (2009). Decomposition of the mean
squared error and NSE performance criteria: Implications for improving hydrological
modelling. Journal of Hydrology, 377(1-2). 80–91. DOI:10.1016/j.jhydrol.2009.08.003.
Hardy, S. (2009). Ruptura del abastecimiento de agua potable. Sistema Hampaturi-Pampahasi, La
Paz, enero-febrero de 2008. Bulletin de l’Institut Français d’Études Andines, 38(3)., 545–60.
IC-RIMAC (2012). Estudio de Identificación para el Mejoramiento del Abastecimiento de Agua
Potable Ciudad El Alto – La Paz. EMAGUA-Ministerio de Medio Ambiente y Agua, La Paz,
Bolivia.
IPCC (2007). Climate Change 2007: Impacts, Adaptation and Vulnerability. Contribution of
Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate
Change. M. L. Parry, O. F. Canziani, J. P. Palutikof, P. J. van der Linden, y C. E. Hanson
(eds.). Cambridge University Press, Cambridge, UK.
http://www.ipcc.ch/publications_and_data/ar4/wg2/en/contents.html.
JVP Consultores S.A. y PwC (2007). Estudio Metas de Expansión EPSAS. EPSAS, La Paz,
Bolivia.
Lempert, R. J. y Groves, D. G. (2010). Identifying and evaluating robust adaptive policy responses
to climate change for water management agencies in the American west. Technological
Forecasting and Social Change, 77(6). 960–74. DOI:10.1016/j.techfore.2010.04.007.
Lempert, R. J., Groves, D. G., Popper, S. W. y Bankes, S. C. (2006). A General, Analytic Method
for Generating Robust Strategies and Narrative Scenarios. Management Science, 52(4). 514–
28. DOI:10.1287/mnsc.1050.0472.
Lempert, R. J., Popper, S. W. y Bankes, S. C. (2003). Shaping the Next One Hundred Years: New
Methods for Quantitative, Long-term Policy Analysis. RAND Corporation, Santa Monica, CA.
Lempert, R., Nakicenovic, N., Sarewitz, D. y Schlesinger, M. (2004). Characterizing Climate-
Change Uncertainties for Decision-Makers. An Editorial Essay. Climatic Change, 65(1/2). 1–
9. DOI:10.1023/B:CLIM.0000037561.75281.b3.
Matonse, A. H., Pierson, D. C., Frei, A., Zion, M. S., Anandhi, A., Schneiderman, E. y Wright, B.
(2012). Investigating the impact of climate change on New York City’s primary water supply.
Climatic Change, 116(3-4). 437–56. DOI:10.1007/s10584-012-0515-4.
Meneses, R. (2012). Estado de arte de los bofedales en la Cordillera Real en el área que abarca la
cuenca de Khara Kota hasta la cuenca de Choqueyapu. Presentación de resultados en el BID,
La Paz, Bolivia.
Molina, F. y Pereira, R. (2005). Crecimiento demográfico y el problema del agua en El Alto. La
Prensa. 310 ed. La Paz, Bolivia.
Molina, J., Herbas, C. y Mendoza, J. (2002). Valoración hidrológica de las cuencas de los ríos
Tolomosa y La Vitoria. IHH y PROMETA, La Paz-Bolivia.
Morgan, M. y Henrion, M. (1990). Uncertainty: A Guide to Dealing with Uncertainty in
Quantitative Risk and Policy Analysis. Cambridge University Press. Cambridge, UK.
Nakicenovic, N., Alcamo, J., Davis, G., de Vries, B., Fenhann, J., et al. (2000). Special Report on
Emissions Scenarios. Intergovernmental Panel on Climate Change, The Hague.
http://www.ipcc.ch/ipccreports/sres/emission/index.php?idp=0.
Nash, J. E. y Sutcliffe, J. V. (1970). River flow forecasting through conceptual models part I — A
discussion of principles. Journal of Hydrology, 10(3). 282–90. DOI:10.1016/0022-
1694(70)90255-6.
Nippon Koei Co. Ltd. y PCA (2007). Revisión y Actualización Del Plan Maestro de Drenaje Para
El Área Urbana de La Paz, Estudio Hidrológico. Estudios básicos, 2. Gobierno Municipal de
La Paz y Banco Interamericano de Desarrollo, La Paz, Bolivia.
92
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
Olmos, C. (2011). Gestion des ressources hydriques des villes de La Paz et d El Alto (Bolivie):
Modélisation, apport glaciaires et analyse des variables. de doctorat. Universite Libre de
Bruxelles., Belgique.
Pereira, K. (2007). Vulnerabilidades Del Abastecimiento de Agua Potable En El Municipio de El
Alto. Instituto Francés de Investigación para el Desarrollo, La Paz, Bolivia.
Pouget, J. C. (2011). Propuesta del modelo Ice KISS como un componente de un sistema de apoyo
a la planificación de los recursos hídricos. , Quito-Ecuador.
Ramirez, E. (2008). Impactos del cambio climático y gestión del agua sobre la disponibilidad de
recursos hídricos para las ciudades de La Paz y El Alto. Revista virtual REDESMA, 2(3)., 49–
61.
Ramirez, E., Francou, B., Ribstein, P., Descloitres, M., Guérin, R., et al. (2001). Small glaciers
disappearing in the tropical Andes: a case-study in Bolivia: Glaciar Chacaltaya (16° S).
Journal of Glaciology, 47(157). 187–94. DOI:10.3189/172756501781832214.
Rijke, J., Farrelly, M., Brown, R. y Zevenbergen, C. (2013). Configuring transformative
governance to enhance resilient urban water systems. Environmental Science & Policy, 25.
62–72. DOI:10.1016/j.envsci.2012.09.012.
Schmidt, J. J. (2013). Integrating Water Management in the Anthropocene. Society & Natural
Resources, 26(1). 105–12. DOI:10.1080/08941920.2012.685146.
Schwartz, P. (1996). The Art of the Long View-Planning for the Future in an Uncertain World.
Currency Books/Doubleday, New York, NY.
Scott, C., Bailey, C., Marra, R., Woods, G., Ormerod, K. J. y Lansey, K. (2012). Scenario
Planning to Address Critical Uncertainties for Robust and Resilient Water–Wastewater
Infrastructures under Conditions of Water Scarcity and Rapid Development. Water, 4(4). 848–
68. DOI:10.3390/w4040848.
Shi, L., Escobar, M., Joyce, B. y Kostaras, J. (2013). Strategic Land Use Planning for Climate
Change-Driven Water Shortages in El Alto, Bolivia. Lincoln Institute of Land Policy.
Taher, S. A. y Labadie, J. W. (1996). Optimal Design of Water-Distribution Networks with GIS.
ASCE, Journal of Water Resources Planning and Management, 122(4). 301–11.
DOI:10.1061/(ASCE)0733-9496(1996)122:4(301)).
Vergara, W., Deeb, A., Leino, I., Kitoh, A. y Escobar, M. (2011). Assessment of the Impacts of
Climate Change on Mountain Hydrology: Development of a Methodology Through a Case
Study in the Andes of Peru. © World Bank.
https://openknowledge.worldbank.org/handle/10986/2278.
Vogel, R. M. y Bolognese, R. A. (1995). Storage-Reliability-Resilience-Yield Relations for Over-
Year Water Supply Systems. Water Resources Research, 31(3). 645–54.
DOI:10.1029/94WR02972.
Vogel, R. M., Fennessey, N. M. y Bolognese, R. A. (1995). Storage-Reliability-Resilience-Yield
Relations for Northeastern United States. Journal of Water Resources Planning and
Management, 121(5). 365–74. DOI:10.1061/(ASCE)0733-9496(1995)121:5(365)).
Vogel, R. M., Ravindiran, R. S. y Kirshen, P. (1999). Storage Reservoir Behavior in the United
States. Journal of Water Resources Planning and Management-asce - J WATER RESOUR
PLAN MAN-ASCE ,, 125(5). DOI:10.1061/(ASCE)0733-9496(1999)125:5(245).
Vogel, R. M. y Stedinger, J. R. (1987). Generalized storage-reliability-yield relationships. Journal
of Hydrology - J HYDROL, 89(3-4). 303–27. DOI:10.1016/0022-1694(87)90184-3.
Wilby, R. L., Charles, S. P., Zorita, E., Timbal, B., Whetton, P. y Mearns, L. O. (2004).
Guidelines for Use of Climate Scenarios Developed from Statistical Downscaling Methods.
http://unfccc.int/resource/cd_roms/na1/v_and_a/Resoursce_materials/Climate/
StatisticalDownscalingGuidance.pdf.
93
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO
94
Un Marco de Análisis de Decisiones Robustas
para Adaptación al Cambio Climático
Reporte para el Banco Interamericano de Desarrollo
Apéndices
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
CONTENIDO
Apéndice 1-Reporte Taller 1-2 y Metodología de mapeo de actores ........................................... 3
Apéndice 2-Reporte avance del Modelo WEAP La Paz y El Alto ................................................. 15
Apéndice 3-Reporte Mapeo de actores ...................................................................................... 41
Apéndice 4-Reporte Taller 3-4 y propuesta de escenarios climáticos ........................................ 70
Apéndice 5-Reporte Taller 5 .................................................................................................... 127
Apéndice 6- Escenarios de cambio climático PEOT .................................................................. 150
Apéndice 7 - Instrucciones para el uso de la base de datos de Tableau y Dashboard ............162
2
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Bolivia
Reduciendo Vulnerabilidad al Cambio Climático a través de la Inclusión de
Adaptación en los Procesos de Planificación (RG-T1840)
Task Order No. 3
APOYO TÉCNICO AL ‘PROGRAMA DE RESILIENCIA CLIMÁTICA PARA LOS SISTEMAS DE AGUA
Y SANEAMIENTO DE LAS ÁREAS METROPOLITANAS DE LA PAZ Y EL ALTO’
(PPCR/SPCR)
RG-T1840
3
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
I. INTRODUCCIÓN
El presente reporte incluye el resumen del trabajo realizado durante la visita de SEI a La Paz en
Abril de 2012. Durante esta visita se realizaron los Talleres 1 y 2 de los TORs, enfocados a aplicar
el marco XLRM y a realizar un taller introductorio de WEAP al Grupo Focal. En este reporte
también se presenta la metodología realizar el Mapeo de Actores, el cual se entregará con el
Reporte sobre el modelo WEAP en Junio. Como resumen del trabajo realizado se presenta una
propuesta de escenarios a modelar derivados de la aplicación del marco XLRM, la cual se presenta
al MMAyA para su revisión y retroalimentación.
II. TALLER 1
4
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
1
Lempert, R. J., Popper, S. W., and Bankes, S. C. (2003). Shaping the Next One Hundred Years: New methods for
quantitative, long-term policy analysis, RAND, Santa Monica, CA.
2
Van Asselt, M. B. A., and J. Rotmans. 2002. Uncertainty in integrated assessment modelling From positivism to
pluralism. Climatic Change 54:75-105.
3
Scoones, Ian. Sustainable Rural Livelihoods: A framework for analysis. IDS,Working Paper 72, IDS, Brighton, UK,
June 1998.
4
Daily, GC, Ed. 1997. Nature’s Services: Societal Dependence on Natural Ecosystems, Island Press, Washington, DC.
5
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Identificación de incertidumbres (X).- Las diferentes fuentes de incertidumbre identificadas por los
grupos fueron agregadas en los grupos de incertidumbre que se presentan a continuación. Se
agregan en Anexo 5 transcripciones de los papelógrafos respectivos.
• Incertidumbres sobre los datos existentes de información física y climática: cantidad,
calidad, representatividad, confiabilidad, distribución espacial y ubicación de las
estaciones de muestreo.
• Incertidumbres sobre la intrínseca aleatoriedad del clima y el Cambio Climático.
• Incertidumbres sobre la determinación de las tendencias de crecimiento poblacional.
• Cambios en el uso per cápita debido a la relación entre el comportamiento de la
población (i.e. demanda, valorización, conservación) y el desarrollo económico (i.e.
mayor desarrollo = mayor uso; mayor educación = mayor capacidad de adaptación)
• Patrones de modificación en las prácticas agrícolas como uso de suelo, tipos de
cultivos, dinámica de cultivos y apropiación de nuevas tecnologías.
• Papel de las presiones sociales en el cambio de las de prioridades de asignación de
agua entre demanda agrícola, demanda urbana, generación de energía y conservación;
características de la gobernanza del agua como aspectos sociales, legales, intereses
particulares, inercia política, inercia institucional y desarrollo sostenible de
capacidades.
• Penetración de nuevas tecnologías en el manejo del agua que puede influenciar usos y
costumbres, prácticas actuales, innovación; y disponibilidad de recursos humanos
calificados.
Identificación de opciones de gestión (L).- Sobre las base el concepto de capitales de medios de
vida, se identificaron diversas opciones de gestión presentadas a continuación. Se agregan en
Anexo 6 transcripciones de los papelógrafos respectivos.
Capital Natural: Promover la ampliación de los inventarios ecológicos (en particular de los
bofedales); Implementar programas de monitoreo y mitigación de pasivos ambientales
(principalmente aquellos generados por la minería y que constituyen una preocupación mayor, en
particular en el sistema ligado a la Laguna Milluni); ejecutar medidas de conservación de suelos y
restauración de suelos degradados; promover la conservación con un enfoque de ecosistemas
(bofedales); planificar el manejo de cuencas para el mejor aprovechamiento de los recursos
hídricos disponibles; promover la mejora del uso de suelos; [Promover un enfoque de flujos
ambientales].
Capital Social – Institucional: Mejorar la coordinación entre las instituciones ligadas al manejo de
recursos hídricos con una visión integral y participativa y/o conformar y viabilizar una dirección de
cuencas centralizada [en particular entre las ciudades de La Paz y El Alto]. Promover acciones
destinadas a fortalecer la legislación sectorial (ley de aguas) y su cumplimiento, en particular en el
tema de distribución y asignación de los recursos hídricos.
Capital Humano: Rescatar y aprovechar las capacidades locales (saberes ancestrales, memoria
institucional), desarrollar y fortalecer las capacidades de los actores de la gestión del agua y
educación de los usuarios; [Diseñar y promover las estrategias comunicacionales de
concientización].
Capital Físico – Tecnológico: Implementar medidas estructurales (mantenimiento y adecuación-
actualización de las estructuras actuales, ampliación de la infraestructura actual, [interconexión
entre sistemas; explorar como alternativa el incrementar la explotación de aguas subterráneas;
explorar estrategias de estructuración de la energía hidroeléctrica]) y medidas no estructurales
(Adoptar, comprender, aplicar y desarrollar nuevas tecnologías y nuevas técnicas como estrategias
de cosecha de agua diferenciadas para el medio urbano y para el medio rural, mejoras en el control
de pérdidas, mejoras en los sistemas de riego).
6
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Capital Financiero: Facilitar un mayor acceso al crédito bajo condiciones más favorables
(principalmente en el medio rural); estructurar y facilitar subsidios para tecnificar los sistemas de
riego; [considerar y estructurar alternativas para modificar el sistema actual existente de asignación
del precio del agua para el usuario].
Identificación de medidas de desempeño.- Empleando el marco conceptual de Servicios
Ecosistémicos (SE), se identificaron diversas medidas de desempeño que serán presentadas a
continuación. Se agregan en Anexo 7 transcripciones de los papelógrafos respectivos.
SE de Base: Parámetros estándar de modelos hidrológicos como caudales y ETP, medidas relativas
a la transformación de los sistemas naturales (bofedales y glaciares).
SE de Suministro: Estadísticas detalladas de oferta y demanda, cobertura, producción; Datos
epidemiológicos.
SE de Regulación: Estadísticas de flujos hidrológicos (variaciones en el volumen de los
reservorios, caudales, otros)
SE Cultural: Mejoras en la valorización del agua en los diversos elementos de la sociedad, uso
responsable del agua; seguimiento de los conflictos sociales ligados a la temática (cantidad, fuerza,
resolución, otros); evaluación de los efectos del rescate de saberes ancestrales, evaluación de los
efectos de la incorporación de nuevas técnicas y tecnologías; seguimiento de la evolución de
proyectos multipropósito.
Al final de los talleres, se realizó una presentación con una idea sobre las implicaciones en
términos de definición de escenarios de las diferentes incertidumbres y estrategias (Anexo 8). En
general, es importante realizar una propuesta sobre los escenarios que se van a considerar para
poder realizar un número finito de combinaciones. Para esto, será necesario revisar la información
obtenida y proponer un grupo de escenarios para consideración del MMAyA de forma que para la
visita en Junio podríamos enfocar el trabajo sobre estos escenarios. Dicha propuesta de escenarios
se presenta en las conclusiones de este reporte.
III. TALLER 2
El día martes 24 de abril de 2012 se realizó la capacitación del Modelo WEAP a nivel básico,
específicamente los ejercicios del tutorial incluyendo WEAP en una hora, Herramientas Básicas, y
Reservorios y Producción Hidroeléctrica. Previo al inicio del curso cada uno de los asistentes se
suscribió al foro de WEAP para posteriormente solicitar la licencia respectiva. Actualmente, de los
11 participantes del Grupo Focal, se entregó licencia a 8 personas. Participó personal técnico de las
siguientes instituciones: Gobierno Autónomo Departamental de La Paz, MMAyA, PRA-PNCC,
SENAMHI, Ministerio de Planificación, IHH-UMSA y consultores SEI.
El día miércoles 25 de abril de 2012 se realizaron prácticas en WEAP con datos de la cuenca del
río Maule en Chile (desarrollados por el Centro de Cambio Global de la Universidad Católica de
Chile). La principal dificultad técnica observada está relacionada al momento de la digitalización
de los ríos lo cual causa que el software se trabe, sin embargo esta fue superada con las
recomendaciones de construir el río de forma más lenta.
En el Anexo 9 se presenta una evaluación del taller con las impresiones y recomendaciones de los
asistentes.
Del grupo focal definido, no se presentaron a la capacitación el Gobierno Autónomo Municipal de
La Paz, Gobierno Autónomo Municipal de El Alto y la Empresa Pública Social de Agua y
Saneamiento (EPSAS). Para evitar estas ausencias, para los próximos talleres de capacitación de
recomienda al MMAyA hacer las invitaciones con anticipación y confirmar personalmente.
7
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
En el transcurso del taller 1 y 2 surgieron algunas preguntas y sugerencias sobre modelo WEAP y
la construcción del modelo histórico de las ciudades de La Paz y El Alto, entre ellas:
¿Cómo se realizará la calibración de las nuevas fuentes, considerando que estas cuencas no cuentan
con datos de aforo de caudales?
¿Cuál es el nivel de error del modelo histórico?
¿Cuál es la confiabilidad de los datos introducidos al modelo?
¿Cuál es el mínimo error aceptable con la que se está trabajando?
¿El modelo considera la sedimentación de los embalses?
Es importante tener en cuenta esta información pues refleja las inquietudes de los actores. Durante
el Taller 3 en junio se estarán dará respuesta a estas inquietudes y se propondrá como resolverlas
durante el proceso.
Los actores también expresaron algunas inquietudes que reflejan la necesidad de informar mejor al
Grupo Focal sobre los aspectos financieros en WEAP y como estos pueden ayudar a entender el
contexto de sostenibilidad económica del operador del sistema de agua.
Finalmente, los actores sugirieron que es importante trabajar con información oficial, mantener los
datos con su respectivo metadato, y buscar un sistema para explorar las opciones para compartir
datos.
Objetivo: Llevar a cabo un mapeo de los principales actores vinculados a la temática de los
recursos hídricos y el manejo de cuencas en la región metropolitana de La Paz – El Alto que
incluya una descripción de los principales actores en:
(i) Los actores del gobierno y entes reguladores con respecto a la provisión de agua potable
a. El marco legal e institucional para el Manejo Integral de Cuencas
b. Las iniciativas y avances del gobierno en la temática
c. Programas de la cooperación internacional
(ii) Organizaciones de la sociedad civil
a. ONGs nacionales e internacionales
b. Federaciones y organizaciones de base
c. Voluntarios
(iii) Instituciones académicas
a. Universidades
b. Institutos de investigación
(iv) Sector productivo
a. Incluyendo empresas públicas (i.e. EPSAS)
b. Cooperativas de agua
c. Asociaciones y gremios (i.e. sector agrícola, otros)
La identificación preliminar de los actores principales se inicia con la revisión de fuentes
secundarias y a través del acompañamiento a las actividades del Taller de Incepción (19 al 25 de
Abril de 2012). El mapeo definitivo incluyendo las diversas dinámicas de relacionamiento
8
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
y toma de notas de aspectos importantes y conclusiones de las reuniones con un reporte asociado de
2 páginas máx. por taller. El Consultor estará disponible para consultas relacionadas con el estudio
y reuniones con SEI que sucedan independientes de los talleres durante el estudio.
Equipo de Consultores:
Javier Gonzales Iwanciw: Investigador sénior de cambio climático – Dirección de Proyectos de
Desarrollo (DIPRODES) - Universidad Nur.
Ingeniero en Procesos Industriales, experto en planificación estratégica, ha conducido varios
mapeos de actores, el último como persona recurso para COSUDE y el programa de Bosques y
Cambio Climático en la región Andina.
Asistente de investigación – Juan Pablo José Torrico Ballivian.
V. PROPUESTA DE ESCENARIOS
En el Anexo 10 se presenta una propuesta de escenarios para ser evaluada por MMAYA. Esta
propuesta incluye los escenarios propuestos y las medidas de desempeño. Para cada incertidumbre
o medida de desempeño incluido se anota la representatividad de estos en WEAP, las variables que
deben ser utilizadas para representar el escenario y el número de escenarios potenciales según
estimado inicial propuesto por SEI, en la cual se incluye nuestra visión de cuales escenarios son
prioritarios para el análisis. Adicionalmente, se incluye una sección para que sea usada por el
MMAYA, en que se anotan algunos comentarios por parte de SEI en cuanto a cada escenario, la
fuente de datos la cual podría ser complementada por el MMAYA, una sección de prioridad que
puede ayudar a definir qué escenarios son de mayor interés (lo cual puede contrastar con lo que SEI
está propuesto), y una sección para que el MMAYA anote comentarios. La tabla en que se
presentan estos escenarios se diseñó y se presenta como una hoja de trabajo en que el MMAYA
pueda anotar sus inquietudes y definir finalmente que escenarios se correrán.
De acuerdo con la propuesta presentada, se incluyen dos escenarios iniciales: el de línea base y el
de incertidumbre sobre los datos. La línea base es el modelo WEAP que se está construyendo para
las condiciones históricas y actuales. El escenario de incertidumbre de datos se propone debido a la
preocupación de los actores sobre los datos existentes. Este escenario permitiría tener una idea del
error en el modelo dado por el error en los datos de entrada, el cual se propagaría a las
proyecciones que se realicen.
En particular, para el escenario de incertidumbre en datos, proponemos las siguientes acciones:
1. Construir modelo con clima histórico, y condiciones actuales de operación
2. Calibrar el modelo
3. Caracterizar el error potencial en los datos de clima y uso de suelo 5
4. Imponer error en las entradas del modelo
5. Análisis de sensibilidad de las métricas clave
6. Reportar los resultados
7. Correr el experimento para estrategias de gestión identificadas
8. Repetir los puntos 4 a 6 para los paquetes de respuesta de interés
5
Dado que la fuente del error en los datos se da en este caso por la calidad en la recolección de la información, un
método propuesto para estimar este error es realizar curvas de doble entrada (o doble masa) donde las series de estaciones
cercanas deberían seguir una línea recta en un gráfico X-Y de acumulación. Si hay error, la hipótesis de que no hay
cambio de pendiente en la curva debería rechazarse, es decir si la curva cambia de pendiente hay un error no sistemático
en algún momento. La desviación entre la curva sin cambio de pendiente y la curva con cambio de pendiente puede dar
un estimado del error. Si la curva sigue la misma pendiente no se puede asumir que exista error. Este procedimiento se
debería ejecutar con precipitación y otros datos climáticos en la medida en que se tengan suficientes datos. Este
procedimiento se aplicará para chequear la consistencia de los datos y servirá para estimar el error. Para esto se utilizará
como referencia el libro ‘Handbook of hydrology’ de Madiment, D.R.
10
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
La propuesta de escenarios por parte de SEI se presenta como un punto de partida que debe ser
evaluado y criticado por el MMAYA. Esta propuesta incluye el número de escenarios potenciales
los cuales serán estimados una vez MMAYA revise esta propuesta. En cuanto a los escenarios
futuros, se proponen combinaciones de cambio climático y otras variables como crecimiento
poblacional y uso de agua per cápita para un total de 80 escenarios. Respecto a las estrategias de
manejo, se proponen 9 diferentes estrategias que se podrían modelar. El número total de medidas
de desempeño propuesto es 6 indicadores. Al hacer la combinación entre incertidumbres y
estrategias de manejo, se tienen 720 corridas del modelo, lo cual es un número bastante
considerable de corridas que puede generar un reto en el manejo de las bases de datos de las
medidas de desempeño obtenidas para cada corrida.
En general, el objetivo final debería ser poder visualizar esta información. A continuación se
presenta la idea de la forma de visualizar dicha información derivada de la experiencia en la
ejecución del plan de agua de California con el Departamento de Recursos Hídricos (DWR).
Se podrían visualizar por ejemplo 3 medidas de desempeño en una sola gráfica. En el caso de
abajo, se ilustra la cobertura de agua urbana vs cobertura de agua agrícola vs requerimientos de
caudales ecológicos (en el tamaño de los círculos). Cada escenario futuro sería representado por
uno de estos círculos en el espacio XY.
La idea es poder representar todos los escenarios en esta gráfica. En el caso del ejemplo de California
el número de escenarios futuros es 36, pero en el caso de Bolivia sería el número final definido en los
escenarios futuros en el Anexo 10, que actualmente según la propuesta de SEI es de 80.
11
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Posteriormente se podrían límites de las medidas de desempeño (i.e. 50% para cobertura de agua
agrícola, 80% para cobertura urbana y 8% de caudales ecológicos no satisfechos) para identificar
resultados que son aceptables.
Finalmente se analizaría el efecto en las métricas de las estrategias de manejo para cada escenario
futuro, según se muestra en la gráfica de abajo en la que se indica la trayectoria de cada escenario
futuro para cada estrategia de manejo (para el caso de las estrategias propuestas por SEI, entonces
se tendrían 9 gráficas como estas). Los paquetes de respuesta podrían ser analizados ya sea como
12
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
estrategias de manejo individuales, o como grupos de estrategias que pueden agruparse como
paquetes de respuesta.
La visualización de los resultados propuesta podría ser adaptada o modificada según las métricas
que se definan como más relevantes para el análisis. La propuesta de escenarios presentada en el
Anexo 10 es la base de este análisis, así que se espera que esta propuesta sea revisada por el
MMAYA para definir los escenarios finales que se estarían evaluando en los próximos meses.
VI. CONCLUSIONES
La sesión de inauguración del proyecto sucedió de forma exitosa y permitió dar contexto al trabajo
a realizar. La presentación de conceptos para analizar los elementos del XLRM permitió a los
asistentes crear un marco referencial sobre cómo el proceso de planeación robusta puede ejecutarse
en función de las incertidumbres existentes y de acuerdo con las estrategias de manejo disponibles.
Este marco referencial incluye no solamente la expansión del sistema de agua, sino el rango de
posibles efectos y acciones que pueden llegar a afectar el suministro de agua para las ciudades de
La Paz y El Alto.
A continuación se definen algunos ítems de acción derivados de los talleres 1 y 2, que deben
ejecutarse antes del taller 3, a realizarse en Junio:
Por parte de MMAYA:
- Los actores que no asistieron en los talleres 1 y 2 deben ser convocados para contar
con su participación activa. Estos actores incluyen los gobiernos de los municipios de
La Paz y El Alto, y EPSAS. Respecto a esto se solicitó a Marcial Berdeja tomar acción.
- Se debe considerar en que momento otros actores potencialmente afectados por la
implementación del PPCR deberían ser incluidos en el proceso.
- Definir escenarios según propuesta de escenarios presentada (ver Anexo 10). Esta
debería ser regresada a SEI antes de la ejecución del taller 3.
Por parte de SEI:
- Se realizará un seguimiento a talleres 1 y 2 para resolver inquietudes de los actores,
incluyendo:
o Se explorará la posibilidad de crear un sistema de compartir información con el
Grupo Focal. Se investigó si Dropbox podría ser usado, pero no es una opción ideal
por el requerimiento de pago. Se está explorando si una página web de Google
13
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
podría ser una mejor opción, aunque esto requeriría el montaje de la página, lo cual
podría darse antes del taller 3.
o Se presentará una estrategia de calibración de las nuevas fuentes, basada en la
información existente, en que se dará una idea del nivel de error posible. Para esto
se usará un sistema de información global (i.e. AguaAndes) que permita evaluar la
variabilidad de los caudales entre las cuencas de abastecimiento actuales y futuras,
y así tener una idea del error en la extrapolación de datos.
o Se implementará una sección de metadatos en el modelo para poder hacer
seguimiento a las fuentes de datos.
o Se realizará una sesión de información básica en hidrología para actualizar a los
participantes del grupo focal cuya experiencia previa no está relacionada
directamente con hidrología y recursos hídricos.
En función del progreso y avance de estas actividades, se definirán las fechas y programa para la
realización del taller 3.
VII. ANEXOS
14
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Bolivia
Reduciendo Vulnerabilidad al Cambio Climático a través de la Inclusión de
Adaptación en los Procesos de Planificación (RG-T1840)
Task Order No. 3
APOYO TÉCNICO AL ‘PROGRAMA DE RESILIENCIA CLIMÁTICA PARA LOS SISTEMAS DE AGUA
Y SANEAMIENTO DE LAS ÁREAS METROPOLITANAS DE LA PAZ Y EL ALTO’
(PPCR/SPCR)
RG-T1840
REPORTE 2 – Parte 1
Modelo WEAP del Sistema de Agua y Saneamiento de las Áreas
Metropolitas de La Paz y El Alto para las condiciones del período histórico
de 1995-2010
15
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Antecedentes y Objetivo
El presente trabajo es parte de la asistencia técnica al Ministerio de Medio Ambiente y Agua
(MMAyA) durante la preparación del componente de inversión del SPCR (Strategic Program for
Climate Resilience) denominado "Programa de Resiliencia Climática para los sistemas de agua y
saneamiento de las aéreas metropolitanas de La Paz y El Alto" apoyada por el Banco
Interamericano de Desarrollo (BID) y en implementación por el Stockholm Environment Institute
(SEI).
Esta asistencia técnica busca coordinar y desarrollar el proceso de ejecución de un análisis
hidrológico para determinar la confiabilidad del sistema de abastecimiento de agua al área
metropolitana a través de la estimación de los rendimientos hídricos de las cuencas actuales y
potencialmente aportantes al abastecimiento de agua para el área metropolitana de La Paz y El
Alto, bajo condiciones actuales y bajo escenarios de cambio climático.
El objetivo principal de esta actividad es brindar apoyo técnico en la implementación del modelo
WEAP para los sistemas de agua de las ciudades de La Paz y El Alto como instrumento de análisis
en la determinación de la confiabilidad hidrológica del sistema de abastecimiento de agua para el
área metropolitana, para condiciones actuales y futuras incorporando cambio climático. En este
proceso, se cuenta con un equipo de hidrólogos trabajando para SEI localizados en el MMAyA que
están avanzando la construcción del modelo. La construcción del modelo cuenta con diferentes
etapas, entre ellas la construcción del modelo histórico, el desarrollo de escenarios climáticos, y el
modelo final que incluye los escenarios futuros en un horizonte de 30 años. El presente reporte se
enfoca en presentar el avance del proceso en la construcción del modelo hidrológico para las
condiciones del período 1995-2010. Este modelo es aproximado de las condiciones actuales, y por
simplificación lo denomínanos en este reporte como modelo histórico.
Área de estudio del modelo histórico
El área de estudio comprende las zonas de suministro que abarcan pequeñas cuencas hidrográficas
de la Cordillera Oriental, y las zonas de demanda del área metropolitana de las ciudades de El Alto
y La Paz y otras demandas que incluyen zonas de riego. En una primera etapa se ha construido el
modelo para las cuencas que actualmente suministran agua a las ciudades, y en etapas posteriores
se trabajará en las cuencas con potencial para aumento del suministro. Las cuencas del modelo
histórico son: Milluni, Huayna Potosí, Tuni y Condoriri, e hidrográficamente pertenecen a la
macrocuenca del Altiplano, y las cuencas Incachaca y Hampaturi que pertenecen a la macrocuenca
del Amazonas. Cabe anotar que la cuenca de Milluni vierte parte de sus aguas a la macrocuenca del
Amazonas a través de un trasvase para cubrir la demanda de la ciudad de La Paz. El área total del
área de suministro modelada es 227 km2 (Tabla 1) (Fig. 1).
Tabla 1: Características generales de las cuencas
N° CUENCA ÁREA [km2] ALTITUD MEDIA
1 Milluni 59.43 4820
2 Hampaturi 59.12 4798
3 Huayna Potosí 37.43 4906
4 Incachaca 34.42 4698
5 Condoriri 19.73 4864
6 Tuni 16.98 4709
ÁREA TOTAL 227.11
Respecto a la división político-administrativa, el área de estudio abarca los municipios de Nuestra
Señora de La Paz y El Alto de la provincia Murillo; Pucarani y Batallas de la provincia Los Andes
(ver Fig. 1). Geográficamente se encuentra ubicada entra las coordenadas 16°10’06’’-16°32’59’’
Latitud Sur y 67°56’04’’-68°18’19’’ Longitud Oeste.
16
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
17
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Alto Achachicala
Achocalla
Achumani
Alto Lima
Chacaltaya
Chirapaca
Chuñavi Alto
Chuquiaguillo
El Alto
Hampaturi EPSAS
Hichucota
Huayna Potosí W
Huayrocondo
Incachaca EPSAS
Laykacota
Milluni
San Calixto
Tuni EPSAS
16/01/1990 30/04/1993 12/08/1996 25/11/1999 09/03/2003 21/06/2006 03/10/2009
18
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Asimismo, muchas estaciones tienen registros continuos desde el año 2000 excepto Alto Lima,
Chuñavi Alto y Huayna Potosí W; razón por el cual la calibración de la modelación hidrológica se
realizara para el periodo 2000-2009 en tanto que validación se realizará para el periodo1995-2000.
Cabe mencionar que en las cuencas consideradas como potenciales de suministro solamente existe
una estación que viene a ser Hichucota en la cuenca del río Khara Khota.
Otras variables meteorológicas
Solo algunas estaciones meteorológicas de las mencionadas miden otros parámetros como la
humedad relativa, temperatura y vientos. Entre ellas están: Laykacota, El Alto-Aeropuerto, San
Calixto, Alto Achachicala e Hichucota (Tabla 2).
Tabla 2: Estaciones meteorológicas con monitoreo de otras variables
ESTACIÓN TEMPERATURA HUMEDAD RELATIVA VIENTO
Laykacota X X X
El Alto-Aeropuerto X X X
San Calixto X X X
Alto Achachicala X X
Hichucota X X X
Información hidrométrica
Se han recolectado registros de caudales de los ríos Tuni, Condoriri y Huayna Potosí del periodo
2000 al 2006; estos datos han sido obtenidos del IHH-UMSA para las cuencas de abastecimiento
de El Alto. Asimismo el SENAMHI cuenta con registros de caudales de algunos ríos de la cuenca
de La Paz tales como Kaluyo, Kallapa, Choqueyapu, Orkojahuira y Obrajes (Fig. 4); la extensión
de los registros se pueden observar en la Tabla 3. En las cuencas de suministro de la ciudad de La
Paz como Milluni e Incachaca no existen estaciones para el monitoreo de caudales; sin embargo en
la cuenca vecina de ambos, Kaluyo, existen registros hidrométricos, en esta etapa de la
construcción del modelo histórico se incluirá esta Cuenca para la calibración y además es
considerada como cuencas potenciales para el suministro de agua potable. Cabe anotar que el
Gobierno Autónomo Municipal de La Paz (GAMLP) realiza el monitoreo de caudales en ríos para
el Sistema de Alerta Temprana (SAT), para el acceso a esta información es necesario un convenio
institucional entre el MMAyA y el GAMLP.
Tabla 3: Extensión de registros de las estaciones hidrométricas
ESTACIÓN REGISTRO ESTACIÓN REGISTRO ESTACIÓN REGISTRO
Kaluyo 1990-2010 Obrajes 1990-2010 Tuni Bajo 2005-2010
Kallapa 1990-2010 Choqueyapu 1990-2010 Condoriri 2000-2007
Orkojahuira 1990-2010 Tuni Alto 2005-2010 Huayna Potosí 2000-2007
19
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
20
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
14000
Estación El Alto-Aeropuerto
12000
10000
8000
6000
4000
2000
0
0 2000 4000 6000 8000 10000 12000
Estación Laykacota
Fig. 5: Análisis de doble masa para las estaciones Laykacota y El Alto Aeropuerto
Ahora, el análisis de consistencia de las otras estaciones incluido El Alto-Aeropuerto y Laykacota
se realizó por el método de vector regional el cual está integrado en el software Hydraccess. A
partir de la información disponible el método construye una estación ficticia que sea representativa
de todas las estaciones de la zona, con la cual se comparan cada una de las estaciones. Según la
descripción del método en el Hydraccess, para cada estación se calcula un promedio extendido
sobre todo el período de estudio, y para cada año, se calcula un índice que será superior a 1 cuando
el año es excedentario, e inferior a 1 cuando el año es deficitario. El método requiere como mínimo
tres estaciones y tres años de información.
Existen dos métodos para calcular el Vector Regional, primero el de Y. Brunet Moret calcula el
promedio extendido y los índices del Vector Regional por un método de mínimos cuadrados,
tratando de minimizar las desviaciones entre los índices de las estaciones y el Vector, segundo el de
G. Hiez calcula el promedio extendido y los índices del Vector Regional de manera a obtener un
máximo de estaciones y de años en concordancia con el Vector Regional (Ayuda software
Hydraccess versión 4.5). El segundo método es más potente para detectar datos erróneos.
Según el Plan Maestro de Drenaje de La Paz (2007), los índices anuales del vector deben estar
entre 0.8 y 1.3 para ser considerados como homogéneos. Los resultados de la primera corrida del
Vector Regional se puede observar en la Fig. 6 y 7; donde además podemos observar que existen
datos de estaciones muy alejados del Vector Regional (marcados con rojo) y quiebres en la doble
acumulada, el cual nos indica de que estos datos tienen errores sistemáticos en sus registros. Cabe
mencionar que este análisis se realizó con datos anuales para identificar los años fuera de la
tendencia general, los datos identificados como malos deberán ser confirmados en el análisis a
nivel mensual.
Para la segunda corrida del Vector Regional, se excluyen del cálculo las estaciones con datos
supuestamente malos y estas son: Achocalla, Achumani, Chirapaca, Chuñavi, Copancara,
Hichucota, Huayrocondo, Mecapaca y Milluni EPSAS según los criterios de estar alejadas del
vector regional (Fig. 6) y de quiebres en la doble acumulada (Fig. 7). Los resultados mostrados en
la Fig. 8 y 9 indican que las estaciones que no fueron excluidas tienen datos homogéneos y por lo
tanto no se realizó ninguna corrección adicional, por lo tanto pueden ser usados en el WEAP previo
relleno de datos en algunas estaciones.
21
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
2 Alto Achachicala
Achocalla
1.8 Achumani
Chacaltaya
Chirapaca
1.6
Chuñavi
Chuquiaguillo
1.4
Copancara
El Alto-Aeropuerto
1.2 Hampaturi
Indices
Hichucota
1 Huayna Potosí W
Huayrocondo
0.8 Incachaca EPSAS
Laykacota
0.6 Mecapaca
Milluni
0.4 San Calixto
Tuni EPSAS
0.2 Vector
Lím. Inf.
0 Lím. Sup.
1989 1994 1999 2004 2009
Año
Fig. 6: Índices anuales del Vector y de las Estaciones por el método de Hiez
45
Alto Achachicala
Achocalla
40 Achumani
Chacaltaya
35 Chirapaca
Chuñavi
30 Chuquiaguillo
Copancara
Estaciones
25 El Alto-Aeropuerto
Hampaturi
Hichucota
20
Huayna Potosí W
Huayrocondo
15 Incachaca EPSAS
Laykacota
10 Mecapaca
Milluni
5 San Calixto
Tuni EPSAS
0
0 5 10 15 20
Vector
22
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
1.8
1.6
Alto Achachicala
1.4 Chacaltaya
Chuquiaguillo
1.2 El Alto-Aeropuerto
Hampaturi-EPSAS
1 Huayna Potosí W
Indices
Incachaca EPSAS
0.8 Laykacota
San Calixto
0.6 Tuni EPSAS
Vector
0.4 Lím. Inf.
Lím. Sup.
0.2
0
1989 1994 1999 2004 2009
Año
Fig. 8: Índices anuales del Vector y de las Estaciones por el método de Hiez
35
30
Alto Achachicala
25 Chacaltaya
Chuquiaguillo
20 El Alto-Aeropuerto
Estaciones
Hampaturi-EPSAS
Huayna Potosí W
15
Incachaca EPSAS
Laykacota
10 San Calixto
Tuni EPSAS
5
0
0 5 10 15 20
Vector
Fig. 9: Análisis de doble acumulada del Vector con las Estaciones
Ahora, las estaciones identificadas en el primer Vector Regional con datos anuales malos, el
posible error en estas puede presentarse ya sea en un mes o en varios meses, para determinar de
manera precisa y confirmar de manera más segura cuales datos mensuales son realmente malos, se
realizó el análisis del Vector Regional a nivel mensual. Entonces, mediante ese análisis se ha
eliminado los datos muy alejados del Vector mensual, y finalmente se obtuvieron estaciones sin
datos erróneos, las lagunas creadas por la eliminación fueron rellenadas. Los datos eliminados en la
mayoría de estas estaciones no pasan del 5% de sus registros para el periodo 1990-2010, solo en
caso de Hichucota un 18%, ya que esta estación es observada por una persona de la tercera edad.
En esta segunda etapa se excluyeron las estaciones Copancara, Alto Lima y Chuñavi por dos
razones: primero, lo datos mensuales están demasiado alejados del Vector especialmente en
23
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Copancara (ver Fig. 10), por ejemplo en la estación Copancara en enero de 2004 tiene registrado
462.9 mm, segundo en Chuñavi y Alto Lima el principal problema radica en que solo tienen
registro hasta el año 2002, considerando el periodo de calibración 2000-2009, podría aumentar la
incertidumbre en caso de rellenarse.
Indices anuales del Vector y de las Estaciones (Hiez) --> Mes = 01 - enero
4
Aa cha _P_MPM3_(mm)
Acho_P_MPM1_(mm)
3.5 Achu_P_MPM2_(mm)
Alima _P_MPM4_(mm)
Cha ca l_P_MPM5_(mm)
3 Chira _P_MPM6_(mm)
Chuña _P_MPM7_(mm)
Chuquia _P_MPM8_(mm)
2.5 Copa n_P_MPM10_(mm)
Ela lto_P_MPM11_(mm)
Ha mpa _P_MPM12_(mm)
Indices
2 Hichu_P_MPM13_(mm)
Hua yna_P_MPM14_(mm)
Hua yro_P_MPM15_(mm)
1.5 Inca ch_P_MPM16_(mm)
La yka _P_MPM17_(mm)
Meca _P_MPM18_(mm)
1 Milluni_P_MPM19_(mm)
Sca lix_P_MPM20_(mm)
TuniEPS_P_MPM23_(mm)
Vector
0.5
Lím. Inf.
Lím. Sup.
0
1989 1994 1999 2004 2009
Año
24
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Una vez realizado el relleno de datos se realizó la tercera corrida del Vector Regional, los
resultados muestran que los datos eliminados y rellenados son homogéneos ya que los índices
anuales de las estaciones están comprendidos entre 0.8 y 1.3 entre los límites del Vector Regional y
ya que en la curva doble acumulada no existen quiebres significativos tal como se puede observar
en las Fig. 11 y 12.
1.8
Alto Achachicala
Achocalla
1.6
Achumani
Alto Lima
1.4 Chacaltaya
Chirapaca
1.2 Chuquiaguillo
El Alto-Aeropuerto
1 Hampaturi EPSAS
Indices
Hichucota
Huayna Potosi W
0.8
Huayrocondo
Incachacaca EPSAS
0.6 Laykacota
Milluni EPSAS
0.4 San Calixto
Tuni EPSAS
0.2 Vector
Lím. Inf.
Lím. Sup.
0
1989 1994 1999 2004 2009
Año
Fig. 11: Índices anuales del Vector y de las Estaciones
40
Alto Achachicala
Achocalla
35
Achumani
Alto Lima
30 Chacaltaya
Chirapaca
25 Chuquiaguillo
Estaciones
El Alto-Aeropuerto
20 Hampaturi EPSAS
Hichucota
15 Huayna Potosi W
Huayrocondo
10 Incachacaca EPSAS
Laykacota
Milluni EPSAS
5
San Calixto
Tuni EPSAS
0
0 5 10 15 20
Vector
Fig. 12: Análisis de doble acumulada del Vector con las Estaciones
25
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
El mapa de cobertura y uso de la tierra se obtuvo mediante la interpretación sobre una imagen del
satélite LANDSAT 5 TM capturada en octubre de 1994.
Implementación de modelo WEAP
26
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
La primera iniciativa para la implementación del modelo WEAP en las ciudades metropolitanas El
Alto y La Paz, se realizó mediante el convenio entre el Proyecto GRANDE (IHH-UMSA) y el
Proyecto CPWF en marzo de 2011, en cual se involucraron a 2 tesistas de la carrera Ingeniería
Civil. Si bien no se alcanzó a concluir el Modelo, permitió el inicio del desarrollo del mismo y un
entrenamiento preliminar en el manejo del mismo por parte de los hidrólogos consultores de SEI.
Con la recolección y procesamiento de datos de variables climáticas, espaciales de la cuenca en
SIG y algunos datos de la demanda urbana, ha sido posible la aplicación del modelo WEAP.
Modelo hidrológico en WEAP
Para la modelación del aporte de las cuencas se han creado franjas de elevación con intervalo de
300 m en un software GIS, adicionalmente se han creado otras capas como los límites de las
cuencas, la red de drenaje, cobertura y uso de la tierra. En cada franja se han creado catchments,
incluyendo el área, datos climáticos y cobertura vegetal. Los componentes del balance hidrológico
en WEAP (Soil Moisture Model) son la evapotranspiración, infiltración, escorrentía superficial,
escorrentía sub-superficial y flujo base (CCG-UC y SEI, 2009).
La precipitación para cada franja ha sido calculada por el método de Inversa Distancia al Cuadrado.
En tanto que para la temperatura con el análisis realizado por Salcedo (2008), donde la relación
entre la temperatura y altitud tiene una pendiente de 0.0088.
Modelo Glaciar
En las cuencas Tuni, Condiriri, Huayna Potosí, Milluni y Hampaturi existen glaciares con áreas
hasta 2 km2 en el año 1994. Para modelar el aporte de los mismos se ha incluido en WEAP el
modelo ICE-KISS “Keep It Simple not Simpler” (Pouget, 2011). En la ausencia de datos para los
glaciares mencionados con anterioridad, primero se construyó el modelo para Zongo (ver Fig. 13)
con datos de temperatura, precipitación y geometría del glaciar.
27
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
0.70
0.60
0.50
Q (m3/s)
0.40
0.30
0.20
0.10
0.00
Jul-03 Jul-04 Jul-05 Jul-06 Jul-07 Jul-08 Jul-09 Jul-10
SIMULADO OBSERVADO
28
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
2
1.8
1.6
1.4
Área (km2 ) 1.2
1
0.8
0.6 Modelado
0.4
0.2 Observado
0
29
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
8.00
7.00
6.00
5.00
Q(m3/s)
4.00
3.00
2.00
1.00
0.00
sep-94 sep-95 sep-96 sep-97 sep-98 sep-99 sep-00 sep-01 sep-02 sep-03 sep-04 sep-05 sep-06 sep-07 sep-08 sep-09 sep-10
SIMULADO OBSERVADO
5
4
3
2
1
0
sep-94 sep-95 sep-96 sep-97 sep-98 sep-99 sep-00 sep-01 sep-02 sep-03 sep-04 sep-05 sep-06 sep-07 sep-08 sep-09 sep-10
SIMULADO OBSERVADO
1.00
0.80
Q (m3/s)
0.60
0.40
0.20
0.00
sep-99 sep-00 sep-01 sep-02 sep-03 sep-04 sep-05 sep-06 sep-07 sep-08 sep-09 sep-10
SIMULADO OBSERVADO
1.00
0.80
0.60
0.40
0.20
0.00
sep-99 sep-00 sep-01 sep-02 sep-03 sep-04 sep-05 sep-06 sep-07 sep-08 sep-09 sep-10
SIMULADO OBSERVADO
30
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
0.9
0.8
0.7
0.6
Q(m3 /s)
0.5
0.4
0.3
0.2
0.1
0
sep-99 sep-00 sep-01 sep-02 sep-03 sep-04 sep-05 sep-06 sep-07
SIMULADO OBSERVADO
Fig. 20: Caudales observados y simulados cuenca del río Huayna Potosí
Las cuencas de esta zona presentan características biofísicas similares respecto a suelo y
vegetación, ya que las características litológicas y relieve son las mismas, por este motivo se ha
asumido que los parámetros de calibración son iguales, además esto permitirá asumir los mismos
parámetros para cuencas que no cuentan con observaciones de caudales. Según el grado de
correspondencia y el sesgo medido entre los caudales observados y simulados existen resultados
aceptables para todas las cuencas que cuentan con puntos de observación de caudales; aunque en
Tuni existe una subestimación del 12% y sobrestimación en Condoriri en 14.9%.
31
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
del modelo con los datos de estas estaciones sin realizar la eliminación de datos dudosos, de
manera que se pueda tener un estimado del error potencial de los resultados del modelo si no se
hubiera realizado esta corrección, y así conocer un estimado del rango de incertidumbre
proveniente de los datos de entrada.
1. Bibliografía
Centro de Cambio Global-Universidad Católica de Chile, Stockholm Environment Institute,
2009. Guía Metodológica – Modelación Hidrológica y de Recursos Hídricos con el Modelo
WEAP. Desarrollada con contribuciones del PACC (Proyecto de Adaptación al Cambio Climático
a través de una efectiva gobernabilidad del agua en Ecuador), Ministerio del Ambiente de Ecuador,
y PROMAS (Programa para el Manejo del Agua y del Suelo) de la Universidad de Cuenca,
Ecuador.
Gobierno Municipal de La Paz. 2007. Revisión y Actualización del Plan Maestro de Drenaje para
el Área Urbana de La Paz. Informe Final, Tomo 5. La Paz-Bolivia
Molina, C., J. Herbas, C., C. y Mendoza, R., J. 2002. Valoración Hidrológica de las Cuencas de
los Ríos Tolomosa y La Vitoria. Informe Final-Proyecto en coordinación IHH y PROMETA. La
Paz-Bolivia.
Oñate, V., F. Duque, E. León, P. Duque, F. Rojas, W. y Tenesaca, F. 2007. Caracterización
Climática, Meteorológica e Hidrológica de la Cuenca Binacional Catamayo-Chira previo a la
Implementación de los Modelos SWAT y WATEM/SEDEM Con fines de su Planificación
Territorial. IX Congreso Nacional de Hidráulica, I de Manejo de Recursos Hídricos, Quito,
Ecuador.
Pouget J.C., 2011. Propuesta del modelo Ice KISS como un componente de un sistema de apoyo a
la planificación de los recursos hídricos, nota técnica, Quito, 13-jul-2011, 8 p.
Proyecto de Gestión Integrada y Plan Maestro de la Cuenca del Río Pilcomayo, 2006.
Homogenización de los datos pluviométricos de la cuenca alta del río Pilcomayo-Inventario,
crítica, homogeneización y extensión de los datos pluviométricos disponibles aguas arriba de
Esmeralda. Informe Final del Proyecto.
32
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
ANEXOS
A1-MATRIZ DE CORRELACIÓN
Alto El Alto- Hampaturi
R2 Achachicala Achocalla Achumani Chuquiaguillo Aeropuerto EPSAS Incachaca EPSAS Laykacota San Calixto
Alto Achachicala 1.0000 0.8106 0.7726 0.8392 0.8164 0.8666 0.8493 0.8336 0.7934
Achocalla 0.8106 1.0000 0.8404 0.8082 0.8795 0.7850 0.7731 0.8554 0.8559
Achumani 0.7726 0.8404 1.0000 0.8317 0.8280 0.8386 0.8521 0.8661 0.8554
Chuquiaguillo 0.8392 0.8082 0.8317 1.0000 0.8684 0.8801 0.8823 0.8921 0.8886
El Alto-Aeropuerto 0.8164 0.8795 0.8280 0.8684 1.0000 0.8143 0.8240 0.9133 0.8985
Hampaturi EPSAS 0.8666 0.7850 0.8386 0.8801 0.8143 1.0000 0.9043 0.8612 0.8231
Incachaca EPSAS 0.8493 0.7731 0.8521 0.8823 0.8240 0.9043 1.0000 0.8752 0.8283
Laykacota 0.8336 0.8554 0.8661 0.8921 0.9133 0.8612 0.8752 1.0000 0.9350
San Calixto 0.7934 0.8559 0.8554 0.8886 0.8985 0.8231 0.8283 0.9350 1.0000
R2 Alto Lima Chacaltaya Chirapaca Chuñavi Alto ChuquiaguilloEl Alto-AeropHichucota Huayna Poto HuayrocondoLaykacota Milluni EPSATuni EPSAS
Alto Lima 1.00 0.76 0.81 0.77 0.88 0.94 0.68 0.73 0.80 0.92 0.84 0.84
Chacaltaya 0.76 1.00 0.76 0.78 0.84 0.82 0.69 0.85 0.73 0.78 0.76 0.87
Chirapaca 0.81 0.76 1.00 0.70 0.81 0.83 0.81 0.79 0.87 0.81 0.87 0.86
Chuñavi Alto 0.77 0.78 0.70 1.00 0.73 0.75 0.61 0.76 0.67 0.76 0.64 0.78
Chuquiaguillo 0.88 0.84 0.81 0.73 1.00 0.87 0.74 0.86 0.80 0.89 0.85 0.89
El Alto-Aerop 0.94 0.82 0.83 0.75 0.87 1.00 0.77 0.85 0.81 0.91 0.84 0.85
Hichucota 0.68 0.69 0.81 0.61 0.74 0.77 1.00 0.78 0.84 0.79 0.78 0.75
Huayna Poto 0.73 0.85 0.79 0.76 0.86 0.85 0.78 1.00 0.79 0.82 0.76 0.94
Huayrocondo 0.80 0.73 0.87 0.67 0.80 0.81 0.84 0.79 1.00 0.81 0.86 0.84
Laykacota 0.92 0.78 0.81 0.76 0.89 0.91 0.79 0.82 0.81 1.00 0.85 0.89
Milluni EPSA 0.84 0.76 0.87 0.64 0.85 0.84 0.78 0.76 0.86 0.85 1.00 0.84
Tuni EPSAS 0.84 0.87 0.86 0.78 0.89 0.85 0.75 0.94 0.84 0.89 0.84 1.00
33
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
21,318,269 21,548,940
20,118,783 20,000,000
17,961,021
16,987,298
15,327,675
15,000,000
10,688,340
10,392,537
10,000,000
9,131,479 9,333,871
8,586,578
5,000,000
Vol Max. Embalse Prob. del 75% Prob. del 25% Real 2010
0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMB. OCTUBRE NOVIEMB. DICIEMBRE ENERO FEBRERO
34
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
10,845,625
10,845,625
10,000,000
9,715,581
9,270,412
8,295,357
7,244,802
6,000,000
5,750,274
4,515,395 4,515,395
4,000,000
3,675,417
2,853,886 2,804,594
2,123,922 2,000,000
Vol. Max. Embalse Prob. del 75% Prob. del 25% Real 2010
0
DICIEM ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMB. OCTUBRE NOVIEMB. DICIEMBRE ENERO FEBRERO
4,183,160
4,031,788 4,000,000
3,820,115
3,500,000
3,106,956
3,000,000
VOLUMEN EMBALSADO (M3)
2,500,000
2,353,529
2,101,137 2,072,011
2,000,000
1,832,430 1,786,815
1,500,000
1,265,728
1,000,000
829,524
631,864
500,000
289,885
Vol. Max. Embalse Prob. del 75% Prob. del 25% Real 2010
0
DICIEMBRE ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMB. OCTUBRE NOVIEMB. DICIEMBRE ENERO FEBRERO
35
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
3,174,257 3,121,291
3,000,000
2,797,708
2,500,000
2,119,403
1,713,413
1,500,000
1,405,875 1,415,260
1,246,734
1,123,551 1,100,633 995,239
1,000,000
500,000
399,907
361,938
Vol.Max. Embalse Prob. del 75% Prob. del 25% Real 2010
0
DICIEM ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMB. OCTUBRE NOVIEMB. DICIEMBRE ENERO FEBRERO
36
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
37
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Sw Diario
Sw Semanal
Sw Mensual
Fig. 3. Capacidad de almacenamiento de agua en la zona de raíces (Sw) a
distintas escalas de tiempo
Por ejemplo cuando se tiene una Sw de 2000 mm y una precipitación de 250 mm, debemos
imaginaros que toda esa agua todo el tiempo está ahí abajo y esta sale como flujo base (ver
Fig. 4); la respuesta de este tipo de relación, humedad del suelo y precipitación, es de baja
variabilidad y flujos bases altos.
P=250 mm
Sw=2000 mm
38
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
10
0
Fig. 5: Respuesta de la relación entre humedad del suelo y precipitación
Conductividad en la zona de raíces (Ks) Factor de Resistencia a la Escorrentía (RRF)
La Ks es un parámetro no linear, pero no necesariamente debe ser no linear ya que puede
estar en función de la precipitación como para el caso de las cuencas del Área del
Proyecto. Por ejemplo en estas cuencas al inicio del año hidrológico se encuentran muy
secos, cuando existe precipitación esta no escurre directamente hasta que el suelo está lo
suficientemente saturado para liberarlo, entonces para la calibración de este parámetro nos
planteamos la siguiente hipótesis: menos capilaridad en la época seca (50mm/mes) y
mayor en la húmeda (400mm/mes). Entonces creamos parámetros de la cuenca de manera
que tenga una baja conductividad en la época seca y alta en la húmeda mediante una
expresión discreta o continua. Asimismo para el RRF bajo el mismo razonamiento, cuando
el suelo está seco existe baja escorrentía (RRF=5) ya que gran parte de la precipitación se
infiltra y en la época húmeda debido a que el suelo se encuentra saturado existe mayor
escorrentía (RRF=1). El umbral de precipitación para realizar estos ajustes para las cuencas
del proyecto es 100 mm.
Continua Discreta
39
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
160
140
120
100
80
60
40
20
0
SEP OCT NOV DIC ENE FEB MAR ABR MAY JUN JUL AGO
Fig. 7: Ajustes del Ks y RRF para las cuencas del Proyecto WEAP
Dirección preferencial del flujo (f)
La dirección preferencial del flujo depende de la pendiente de la cuenca, para el caso de las
cuencas del área de estudio, presentan cuencas escarpadas a muy escarpadas, entonces los
suelos son superficiales a muy superficiales, excepto en los bofedales. Cuando la dirección
preferencial del flujo es horizontal el valor que se debe poner es 1, por ejemplo para la roca
se ha asumido 0.9 y vegetación dispersa 0.7; cuando la dirección preferencial es vertical el
valor es 0, para el caso de los bofedales se ha asumido en 0.3.
Glaciar
Roca y
morrena
Vegetación dispersa
Roca
Bofedales
Laguna
Dirección preferencial
del flujo (f)
40
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Bolivia
Reduciendo Vulnerabilidad al Cambio Climático a través de la Inclusión de
Adaptación en los Procesos de Planificación (RG-T1840)
Task Order No. 3
APOYO TÉCNICO AL ‘PROGRAMA DE RESILIENCIA CLIMÁTICA PARA LOS SISTEMAS DE AGUA
Y SANEAMIENTO DE LAS ÁREAS METROPOLITANAS DE LA PAZ Y EL ALTO’
(PPCR/SPCR)
RG-T1840
REPORTE 2 – Parte 2
Preparado por:
Javier Gonzales Iwanciw & Juan Pablo Torrico
Revisado por:
Marisa Escobar y Sebastián Vicuña
41
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
42
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
INTRODUCCIÓN
El sector de agua y saneamiento es una de las prioridades del gobierno de Bolivia y esto se refleja
tanto en los programas que el mismo gobierno ha definido como en la cooperación internacional
comprometida para el sector.
En la región de La Paz y el Alto el tema de agua y manejo de cuencas es sin duda complejo, el Alto
fue el escenario de la denominada guerra del agua en 2005 6 y existen posiciones muy fuertes por
parte de los actores sociales en cuanto a algunos temas sensibles como p.ej. la elevación de tarifas,
lo cual preocupa a los actores institucionales y también a potenciales financiadores sobre la
rentabilidad de las inversiones y en términos más generales la sostenibilidad de los sistemas de agua
y saneamiento en una ciudad de rápido crecimiento.
La región de La Paz y el Alto se encuentran en proceso de definir un Plan Maestro Metropolitano
del Agua que será la base para las inversiones en el sector en los próximos 30 años. Este proceso de
planificación es el escenario de un proceso complejo de concertación entre los actores y un
escenario oportuno para empezar a considerar de manera sería consideraciones de cambio climático.
Para estos fines el BID ha contratado a SEI para brindar asistencia técnica al MMAyA durante este
proceso. La asistencia técnica de SEI al MMAyA busca coordinar y desarrollar el proceso de
ejecución de un análisis hidrológico para determinar la confiabilidad del sistema de abastecimiento
de agua al área metropolitana a través de la estimación de los rendimientos hídricos de las cuencas
actuales y potencialmente aportantes al abastecimiento de agua para el área metropolitana de La Paz
y El Alto, bajo condiciones actuales y bajo escenarios de cambio climático. Específicamente se
busca definir la disponibilidad de agua confiable (definida en función de una probabilidad de
presentar periodos durante los cuales la oferta de agua –de todas las fuentes- resulta inferior a la
demanda) para las condiciones presentes y para el horizonte de planeamiento del Plan Maestro.
El presente mapeo de actores tiene el objetivo de conocer de mejor manera las relaciones que
existen entre los actores para entender como este proceso de construcción de un modelo hidrológico
debería llevarse a cabo, y para orientar el acercamiento a actores relevantes que pueden ser
afectados por las intervenciones de infraestructura con identificar opciones que permitan el mayor
beneficio para todos los involucrados.
METODOLOGÍA:
Para realizar el mapeo de actores de agua y manejo de cuencas en La Paz y el Alto, el abordaje
metodológico de fondo es el mapeo de los actores centrales de la red social. El “mapeo de actores”
descansa sobre el supuesto de que la realidad social se puede ver como si estuviera conformada por
relaciones sociales donde participan actores sociales e instituciones sociales. Una red social está
conformada por entidades, es decir los elementos de la red y por las relaciones que existen entre
estos elementos de la red.
Los elementos de la red estarían constituidos por las organizaciones o instituciones y en algunos
casos personas. Las relaciones que existen entre estos actores sociales pueden ser relaciones de
dependencia ej. el caso de departamentos de gobierno, o por afinidad ej. un proyecto o porque
simplemente existen intereses comunes.
6 Se denomino la Guerra del Agua al movimiento de paro cívico de enero de 2005 donde no se disparo ni una sola cápsula
de gas ni hubo heridos y que concluyó con la salida de la empresa transnacional Aguas del Illimani, subsidiaria de la
empresa francesa Lyonnaise Eaux.
43
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Nos hemos restringido a hacer un mapeo de actores institucionales, aunque en algunos casos existen
personas que juegan un rol importante dentro de un determinado tema, estas están siempre
vinculadas de una u otra manera a las instituciones y actúan a través de estas. La segunda pregunta
metodológica es como se muestran de mejor manera estas relaciones cuando nos interesan aspectos
de relaciones de poder, reciprocidad, influencia, afinidad.
Algunas preguntas concretas relacionadas con la construcción de un modelo hidrológico, como la
generación y utilización de los datos también deben ser abordadas.
Unas preguntas que pueden ayudarnos a generar una agrupación de los actores son las siguientes:
¿Cuáles son los objetivos de su trabajo? Cuáles son sus principales demandas en torno al agua y
manejo de cuencas? ¿Quiénes son sus grupos meta / grupo de beneficiarios o a quienes representan?
¿Con quiénes colaboran, quiénes son sus socios en el trabajo, quienes han financiado o financian su
trabajo?
El plan de trabajo incluye las siguientes actividades:
(i) identificación de actores principales partiendo de la cabeza de sector que son los Viceministerios
de Recurso Hídricos y Riego y el Viceministerio de Saneamiento Básico,
(ii) identificación de los actores claves con base en preguntas generadoras durante las entrevistas
(ver abajo)
(iii) ejecución de una serie de entrevistas con actores claves donde se incluyen la Empresa de Agua
y Saneamiento (EPSAS), las federaciones de vecinos (FEJUVE), varias ONGs trabajando en la
zona, grupos de ambientalistas e instituciones académicas, y programas de cooperación
internacional.
(iv) revisión de la bibliografía y textos producidos para elaborar un estudio de ¿Quién hace qué? Y
el mapeo de actores por afinidad.
(v) elaboración del mapeo de actores.
RESULTADOS
Aunque el grupo de actores potenciales es muy amplio, hemos tratado de rescatar aquellos que son
claves desde el punto de vista de los objetivos del “Programa de Resiliencia Climática para los
Sistemas de Agua y Saneamiento en las áreas Metropolitanas de La Paz y El Alto”, dirigido a
complementar las fuentes actuales de agua potable identificando alternativas de abastecimiento,
suplir la creciente demanda de agua y adaptarse a los potenciales efectos del cambio climático sobre
la disponibilidad y calidad del recurso.
Se han identificado 36 actores claves agrupados en cinco categorías previamente definidas: (i)
actores gubernamentales, (ii) actores de la cooperación multilateral y bilateral, (iii) organizaciones
de la sociedad civil, (iv) instituciones académicas, (v) sector productivo – servicios (ver Anexos I-
V).
El análisis pone al Ministerio de Medio Ambiente y Agua como el nodo central y articulador de los
demás centros de interés, en conformidad con su rol de cabeza de sector. Sobre la base de la
orientación (objetivos, participación dentro del sector, temáticas de interés) de los actores
identificados en torno a la temática del agua y manejo de cuencas (Figura 1), la mayor parte de las
44
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
asociaciones se construyen sobre tres ejes centrales: la gobernanza del agua, la sostenibilidad
(técnica, política y financiera), y la cooperación (técnica y financiera).
45
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Potable y Saneamiento sin embargo esta estructura es embrionaria y tendrá que vencer la prueba de
fuego en cuanto a su efectividad.
Los donantes se encuentran con fuertes niveles de alineamiento con las políticas sectoriales, existe
un Programa de Apoyo Presupuestario en el sector que apoya directamente al presupuesto nacional.
Se percibe un fuerte interés de parte de los donantes de contribuir a los planes del sector siempre y
cuando se cumplan con criterios de sostenibilidad técnica y financiera, y que se encare la
planificación y la toma de decisiones con un enfoque integral e integrado. Se ha enfatizado la
necesidad de contar con un mejor sistema de monitoreo y evaluación y establecer un marco para la
gestión por resultados.
En cuanto a la investigación y desarrollo como en la producción y monitoreo de datos las
interacciones son escasas y esto resulta en las grandes incertidumbres sobre los datos (cobertura
espacial, extensión temporal, exactitud y confiabilidad) que se expresaron durante el taller de
incepción WEAP/ marco XLRM.
En cuanto a los actores claves en torno al objetivo planteado “Programa de Resiliencia Climática
para los Sistemas de Agua y Saneamiento en las áreas Metropolitanas de La Paz y El Alto” se
percibe a ciertos actores con mayor nivel de interés e influencia (Figura 2) esto sin embargo no es
concluyente y no significa que solamente se tenga que trabajar con estos actores. Existen actores
que coyunturalmente pueden encontrarse indecisos pero su percepción puede cambiar rápidamente,
46
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
de la mima manera actores que actualmente se perciben con baja influencia en cuanto al objetivo
pero que pueden cambiar rápidamente en el caso de que decidan apoyar al trabajo.
Existen también coyunturas o situaciones de apatía o incluso disensión entre los actores en relación
al programa del BID ej. los gobiernos municipales sienten que tienen que ser considerados de
manera más seria en las decisiones que se toman en cuanto al proyecto, se mencionó el caso
específico de la Comisión del proyecto PPCR llevado a cabo por el BID.
Otros dos factores de importancia en el desarrollo e implementación del Modelo WEAP son, por
una parte, la relación entre los actores con relación al acceso a la información, y por otra parte el
uso inmediato y potencial de la información generada por el modelo. Ambas relaciones se ilustran a
continuación (Figura 3).
A lo largo del proceso de definición y caracterización de los actores y durante el taller de incepción
WEAP se hizo evidente el rol del SENAMHI como principal proveedor de información relevante a
nivel nacional (meteorología e hidrología). Institutos de investigación como el IHH y agencias
internacionales de cooperación técnica (JICA, GIZ) e investigación (IRD) se constituyen en
proveedores secundarios a través de acciones locales. El interés de la cooperación técnica alemana
(GIZ) junto a KfW en el desarrollo de modelos y el uso de instrumentos informáticos de apoyo a la
toma de decisiones es significativo, sin embargo existe cierta desconfianza con relación a las
dinámicas de funcionamiento de la ciudad de El Alto en el pasado reciente. Del mismo modo, el
gobierno municipal de la ciudad de La Paz dispone de una red de monitoreo ambiental en
47
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
funcionamiento que podría ser de utilidad para la discusión de los datos del SENAMHI, así como
información socio-económica en los distintos distritos de la ciudad. Algo similar ocurre con
EPSAS. Finalmente ONGs como Sumah Huasi y la Fundación Agua Sustentable son potenciales
fuentes de información socio-económica y jurídica por su estrecha relación con actores de la
sociedad civil.
En términos de usuarios inmediatos y potenciales de las informaciones de salida del Modelo
WEAP, se destacan una vez más la posición central de los actores gubernamentales y entes
regulatorios, en particular el Ministerio de Medio Ambiente y Agua (MMAyA) y las instituciones
institucionalmente ligadas al mismo (VMRyR, VAPBS, VMA, SENASBA, AASP, EPSAS) como
usuarios inmediatos, así como el Ministerio de Planificación como usuario potencial. Los gobiernos
municipales y departamentales son también usuarios potenciales significativos para el logro de los
objetivos del proceso llevado a cabo por el MMAyA y el BID, pero que hasta el momento no se han
incorporado plenamente al mismo.
Entre los actores de la cooperación multilateral y bilateral (técnica y financiera), se pudo evidenciar
en las entrevistas que existe un interés marcado en el desarrollo de instrumentos de apoyo a la toma
de decisiones en situaciones de elevada incertidumbre que puedan constituir experiencias
significativas ampliables o extrapolables a otras regiones y/o temáticas. De hecho algunos de dichos
actores se hallan involucrados en procesos de construcción de otros modelos con características y
potencialidades diferentes generando la posibilidad de convergencias y complementariedad (JICA,
GIZ, el Programa Nacional de Cuencas, etc.).
Una última perspectiva que quisimos explorar en relación a las funciones institucionales es la de
ciertos procesos en curso, donde existen proyectos y programas que aglutinan a los actores como ser
la planificación, la fiscalización, la definición de infraestructura (Tabla 1) la cual también permite
entender como están agrupados los actores.
48
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
49
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
50
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
51
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
CONCLUSIONES Y RECOMENDACIONES:
A lo largo del proceso de construcción de este mapa de actores, desde los talleres de incepción
WEAP/XMLR pasando por las diversas entrevistas, se ha podido evidenciar lo siguiente:
i) En el aspecto político existen diferencias de los actores en cuanto a su afiliación política, aspecto
que actualmente se enfatiza mucho en el contexto Boliviano. El gobierno central y el gobierno
departamental están bajo el dominio del partido de gobierno y el municipio de La Paz esta en
dominio de la oposición. Este hecho no ha impedido sin embargo que se produzcan acciones
concertadas importantes como el Plan Maestro Metropolitano del Agua para las ciudades de La Paz
y El Alto.
ii) En la evolución de los modelo de gestión existe mucho interés en los actores en mejorar la base
de información para la toma de decisiones, incluso de algunos financiadores que deben cumplir
requisitos mínimos para el financiamiento del sector. Varios actores están llevando a cabo algunas
acciones de evaluación de diversos modelos de planificación y gestión del agua (JICA, IHH, SEI).
Los enfoques y la dimensión espacial no son necesariamente los mismos, más aún pueden ser
complementarios.
El desarrollo de capacidades en este punto debiera constituirse en una prioridad. Más aún si se toma
en cuenta la falta de capacidad técnica y de influencia política de otros actores. Entre ellos debemos
destacar a los varios municipios aledaños que podrían verse fuertemente afectados por algunas
estrategias de captura y transferencia de aguas de cuencas alejadas (estas alternativas ya se hallan en
discusión). La baja participación de este tipo de actores podría tener efectos significativos sobre la
sostenibilidad y sobre la gobernanza del agua en esta región geográfica, más aun teniendo en cuenta
la reciente historia de conflictividad ligada al sector.
En este aspecto es fundamental destacar una función clave que se ha ido repitiendo de manera
consistente tanto en las entrevistas como durante el Taller de Incepción WEAP/XMLR: el
desarrollo de capacidades. En un país como Bolivia, un componente esencial de vulnerabilidad está
relacionada con la baja institucionalidad; esta se manifiesta por una parte por el recurrente
reemplazo del personal así como en la falta de aprendizaje y memoria institucional (rescate de
experiencias exitosas como es el caso de la red de gobernanza generada por el Plan Nacional de
Cuencas o el CGIAB). Desarrollar capacidad local es clave para disminuir dicha vulnerabilidad.
iii) Recomendaciones para el trabajo con los actores: nos preguntamos si EPSAS es el único
actor relevante para el desarrollo del modelo, como esta mencionado en los TdR. Una potencial
entrada es el PLAN MAESTRO pero hay barreras con los gobiernos municipales que deben ser
removidas, estas sin embargo no deben considerarse como determinantes sino más bien como
posiciones o incluso posturas durante un proceso de negociación que se considera relevante. Es
decir estas posturas vuelven a certificar que el proceso de concertación en torno a un modelo de
gestión del agua es altamente relevante.
(iv) Más actores claves en la temática: El trabajo realizado solo ha podido abordar un subconjunto
de los actores claves vinculados a la temática. Para fines de estas conclusiones solamente
mencionaremos a dos grupos claves adicionales los cuales deberían ser considerados en el evento de
tomar decisiones sobre infraestructura futura:
Los actores vinculados a la producción agropecuaria en los municipios vecinos a La Paz y el Alto
dado que muchas de las fuentes de agua potenciales para abastecer a las ciudades de La Paz y el
52
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Alto se encuentran en sus jurisdicciones y con una clara relación de competencia con potenciales
usos agrícolas.
El sector energético no ha sido considerado, sin embargo, el incremento en la demanda, las
falencias actuales en producción, infraestructura e inversión hacen de este un sector interesado en la
temática a mediano y largo plazo, y con un grado de impacto potencialmente significativo.
En general, el ejercicio de realizar el mapeo de actores institucionales es útil en el proceso de apoyo
técnico al ‘Programa de Resiliencia Climática para los Sistemas de Agua y Saneamiento de las
Áreas Metropolitanas de La Paz y El Alto’ para entender la localización de cada actor en el espacio
de planeación y manejo del recurso hídrico. Así mismo, la ubicación de los actores en el continuo
de proveedores de datos a receptores de información en este apoyo técnico da claridad sobre el uso
potencial de los productos, en especial del modelo WEAP del sistema de abastecimiento del área
metropolitana. Es claro que otros actores y procesos de concertación deberán ser considerados en el
evento de tomar decisiones sobre infraestructura futura.
53
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
REFERENCIAS BIBLIOGRÁFICAS
Fernández, I. 2011. El mercado del agua y saneamiento en Bolivia. Oficina Comercial de
la Embajada de España, La Paz
MMAyA. 2011. Usos Múltiples del Agua hacia la Adaptación al Cambio Climático, GIZ, La
Paz
PPCR. 2011. Bolivia Strategic Programme for Climate Resilience, CIF, La Paz – Bolivia
VAN DAMME, P. 2002. Disponibilidad, uso y calidad de los recursos hídricos en Bolivia
54
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
55
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
56
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
García
57
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
58
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
En la nueva estructura de
organización territorial del
El Gobierno Autónomo Departamental
Estado, se contempla el cambio
de La Paz es una entidad pública
de la naturaleza de Prefectura a
Gobierno Autónomo autónoma que promueve el desarrollo
Gobierno Autónomo
Departamental de La Paz económico - social y la transformación
Departamental, por lo que se
(GADLP) productiva e industrialización, en armonía
precisa de un marco jurídico
y respeto a la madre tierra, con justicia,
base para la organización y
equidad e inclusión social, para alcanzar
funcionamiento de sus órganos
el Vivir Bien, bajo los principios de
legislativo y ejecutivo, que
reciprocidad, complementariedad y
regule aspectos relativos al
solidaridad
funcionamiento de los gobiernos
autónomos departamentales.
60
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Fondo Nórdico de
Desarrollo El Fondo Nórdico de Desarrollo tiene por
Contacto: NORDIC objetivo facilitar inversiones en relación
DEVELOPMENT FUND con el cambio climático en países de • Incorporación reciente a la
P.O. Box 185
bajos ingresos. Financia la cooperación temática a través del BID.
FIN-00171 Helsinki
Finland junto con instituciones bilaterales y
Tel: +358 10 618 002 multilaterales.
Fax: +358 9 622 1491
E-mail: info.ndf@ndf.fi
61
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
62
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
transfronterizas. [Basket
Funding de la Unión
Europea]
Agencia Española de
Cooperación Internacional
para el Desarrollo (AECID) • Agua y Saneamiento: La
fuente de recursos previstos
Contacto: Ignacio Díaz, para el sector Agua en su
concepto integral provendrán
ignacio.diaz@aecid.bo
básicamente del Fondo
Órgano de gestión de la política española Español de Cooperación para
72002994
de cooperación internacional para el agua y saneamiento (FCAS).
Correo Central: esarrollo. Es una entidad de derecho • Gobernabilidad: Las fuentes
Público adscrita al Ministerio de Asuntos previstas serán las
aecid@aecid.bo asignaciones financieras a
Exteriores y de Cooperación a través de
Tel. (591 - 2) 243 35 15 la Secretaría de Estado para la través de subvenciones de
Fax. (591 - 2) 2433423 Cooperación internacional (SECI). Es estado para el programa
responsable del diseño, la ejecución y la bilateral y las convocatorias
Dirección: Av. Arce, N° 2856. gestión de los proyectos y programas de para ONGD. Desde la
cooperación para el desarrollo, ya sea modalidad multilateral, y con
La Paz, Bolivia origen del Fondo de ODM de
directamente, con sus propios recursos,
o bien mediante la colaboración con España en NNUU, existen
Casilla: 4176 fondos asignados a Bolivia
otras entidades nacionales e
internacionales y organizaciones no destinados a la Ventana de
Coordinador General de
gubernamentales. Paz y prevención de
Cooperación: Sergio Martín- conflictos.
Moreno • Transversalidad sectorial
(Género, Interculturalidad y
Adjunto a la coordinación
Derechos de los Pueblos
General : Juan José Indígenas, Sostenibilidad
Sanzberro Ambiental/Cambio Climático).
63
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
tierra
• Mayor acceso a agua potable y
saneamiento básico
• Menor vulnerabilidad, principalmente
para personas que viven en la
pobreza,frente a catástrofes naturales
y así mismo adaptación al cambio
climático
Programa Andino de
Instituto para la Formación e Investigación
Investigación y Desarrollo sobre la Vulnerabilidad y llos
(IRD) riesgos en medio urbano –
Bolivia, Ecuador, Peru.
El IRD es un organismos de PACIVUR
Representante investigación original y único en el
panorama europeo de la investigación
Francou Bernard para el desarrollo, tiene como vocación
realizar investigaciones en el Sur, para el Programa de investigación
Dirección: Sur y con el Sur. Sus investigadores “Regulación del suministro de
intervienen en los grandes retos agua en ciudades bolivianas”
Av. Hernando Siles Nº 5290, mundiales de actualidad: calentamiento
Esq. Calle 7, Obrajes, La Paz, clim’atico, enfermedades emergentes,
Bolivia biodiversidad, acceso al agua,
migraciones, pobreza, hambre en el Programa de investigación
Tel: 2 2782969, 2 2784925 mundo y contribuyen a través de la
GREAT ICE : propone analisar
formación a reforzar las comunidades
Fax: 2 2782944 científicas en el Sur y la innovación. con precision la evolucion de los
glaciares y su hidrología en las
bolivie@ird.fr montañas tropicales bajo la
influencia de las fluctuaciones
climáticas actuales y pasadas.
Involucra el uso de modelos de
funcionamiento de los sistemas
hidrológicos de altura.
64
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
65
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Programa de Apoyo a la
Gestión de la Inversión
Publica Municipal GESPRO II
(Segunda fase): contribuir a que
los gobiernos municipales
(mayoritariamente rurales)
Holanda se concentra principalmente en puedan hasta el año 2014
tres sectores de cooperación: Desarrollo mejorar sus capacidades en
Productivo Sostenible, Educación, y
gestión de proyectos y, de esta
Desarrollo Institucional y
Embajada del Reino de los Descentralización. Las áreas de trabajo manera, incrementar sus niveles
Paises Bajos principales son: de inversión pública para
• Educación: apoya a los comités de coadyuvar a los esfuerzos
Persona de Contacto: Rob educación de los pueblos originarios nacionales para mejorar los
van den Boorn, Primer (CEPOS) con el objetivo de aumentar
la influencia de la población indígena niveles de vida de la población.
Secretario/ Experto en Medio
en la conformación de la educación
Ambiente y Descentralización; en general y para promover las
Janett Trujillo. lenguas y culturas indígenas.
Programa Nacional de
• Descentralización: promueve la
implementación de la Cuencas (PNC): se constituye
descentralización, además de la en un instrumento que
Dirección: Av. 6 de Agosto articulación de los temas
promueve alianzas estratégicas
N°2455, Edificio Hilda Piso 7. institucionales y de descentralización
con los sectores. para la implementación de
Telefono: 2444040 • Medio Ambiente: apoya la política diferentes modalidades de GIRH
boliviana de protección ambiental, el
y MIC en cuencas de Bolivia y
aprovechamiento sostenible de los
recursos naturales y la mitigación de transfronterizas. [Reino de los
los efectos del cambio climático. Países Bajos/Reino de
• Desarrollo productivo Sostenible:
Dinamarca/Suiza/Reino de
entre 2008 y 2011, el objetivo de la
Embajada es apoyar a Bolivia en la Suecia/ Basket Funding de la
realización de un crecimiento Unión Europea/KfW]. Cuenta
económico diversificado y sostenible
también con el Apoyo
con equidad.
Presupuestario Sectorial de la
UE
Programa Nacional de
Cambios Climáticos
66
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Instituto de Ingeniería e
Hidráulica (IHH)
Persona de Contacto:
Ingeniero Andrés Callizaya Proyecto GRANDE
Cel.: 715 4655
Sin mayor información institucional Socios: JICA, IRD, SENAMHI,
Dirección:
67
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
68
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
ayudarse.
• Proporcionando oportunidades
económicas
• Ayudando en casos de emergencia
• Influyendo en decisiones políticas a
todo nivel.
La misma trabaja desde el año
Plataforma de instituciones públicas,
2002 en la construcción de
instituciones privadas y centros de
CGIAB políticas públicas para el manejo
investigación universitaria involucradas
y gestión sustentable del recurso
en la temática del agua.
agua.
69
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Bolivia
Reduciendo Vulnerabilidad al Cambio Climático a través de la
Inclusión de Adaptación en los Procesos de Planificación (RG-
T1840)
Task Order No. 3
Agosto, 2012
70
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
71
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
72
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
73
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
74
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Actividades pendientes
Una vez terminado los talleres, visita a instituciones y trabajo del equipo SEI, se resumió
en la Tabla 1 las actividades pendientes y las estrategias para concluir con cada una de
ellas. Además incluye las inquietudes, sugerencias, observaciones y recomendaciones
recogidas durante la visita.
75
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
76
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
77
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Introducción
Al final del reporte se hace un análisis de la revisión de los trabajos recolectados y además
se presenta la propuesta de escenarios climáticos para el dominio de modelación.
78
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Evaluación del Modelo Climático Regional PRECIS para el Área de Bolivia y Comparación con
Datos de Superficie
Los investigadores Andrade & Blacutt (2010) del Laboratorio de Física de la Atmósfera del
IIF-UMSA realizaron un estudio de validación del modelo PRECIS donde se usaron datos
mensuales de 52 estaciones para el periodo 1961–1990, de las cuales solo 30 miden la
temperatura. Las variables medidas en estas estaciones fueron temperatura media,
temperatura mínima, temperatura máxima y precipitación acumulada; y estas fueron
obtenidas del SENAMHI. Las principales características de la corrida usada se puede
observar en la Tabla 5.
79
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
80
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
entre 0.6 y 0.9 por lo tanto una buena a muy buena correspondencia lineal. Por otro lado,
revisando el sesgo, el modelo sobrestima la precipitación especialmente en regiones de
topografía compleja y también para el Altiplano.
Fig. 1: Correlación y sesgo de la Precipitación entre CRU 3.1 y el modelo TL959 para el periodo
1979-2003 (fuente: Avances PRAA-SENAMHI).
También existen resultados del sesgo a nivel estacional, si bien para verano para gran parte
del territorio boliviano sobrestima la precipitación, y en otras solo algunas regiones, pero
en todos los casos para las regiones montañosas el modelo sobrestima la precipitación.
Salida del modelo TL959 en relación a datos CRU3.1-Temperatura media
En la Fig. 2 se puede ver una alta correspondencia para la temperatura media entre el
modelo TL959 y datos CRU 3.1, correlaciones de 0.6 se observan al norte del territorio
boliviano. Por otro lado, para gran parte de Bolivia subestima la temperatura media y en el
Altiplano Central sobrestima hasta 1.5 °C.
Fig. 2: Correlación y sesgo de la Temperatura Media entre CRU 3.1 y el modelo TL959 para el
periodo 1979-2003 (fuente: Avances PRAA-SENAMHI).
81
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
82
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
83
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Universidad de Nebraska
84
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Fig. 7: Dominios del modelo WRF a tres niveles diferentes (Yates, 2012)
En la Fig. 8 se observa la resolución fina (4 km) del modelo para la zona de estudio. Se
nota como el dominio del modelo WEAP se sobrepone sobre la grilla del WRF indicando
que este modelo de alta resolución podría se usado pues tiene información detalla del
dominio de estudio.
85
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Fig. 8: Resolución del modelo WRF a 4 km comparado con el dominio del modelo WEAP (Yates, 2012)
86
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
87
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Fig. 10: A1B Seasonal Changes for Western Bolivia from 21 AOGCMs, December-January-
February (Yates, 2012)
Fig. 11: A1B Seasonal Changes for Western Bolivia from 21 AOGCMs-Temperature (Yates, 2012)
88
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
89
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
90
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Escenario Implementación y Evaluación del modelo Escenarios para el Universidad de Nebraska, RCPM - Ensemble
Climático validación de un modelo climático regional PRECIS PRAA, SENHAMI 2012 MMAYA, BID
regional de clima para para el área de Bolivia:
Bolivia, FAN – Bolivia, 2009 Comparación con datos de
superficie, Andrade, 2010
Existe Si Si Si Si Si
actualmente?
Fuente - MCG, Modelos globales, PRECIS PRECIS TL959 (meteorológico, no CCSM, WRF 18 GCMs
MCR acoplado)
Período 1961-1991, 2001-2030, 2071- 1961-1990, 2050, 2100 1979-2003, 2015-2039, 5 yrs for historic and future 2000-2100 (by decade)
2100 2075-2099
Fuente de los Bioclim, web information about Instituto de la Atmósfera PRAA U. Nebraska Public (rcpm.ucar.edu)
datos? process (weather.unl.edu/rcm/bolivia/dat
a)
Estan validados No No En proceso No NA
por SENMHI?
En que formato Paper publicado, sirve para En publicación NETCDF y NC NETCDF ASCII
estan? comparar información
Quien podemos MMAYA, Cristian Seiler - página Andrade & Blackout Consuelo Luna y Angel Bob Oglesby David Yates
contactar para web, Alvaro Rodriguez - CD Munhoz en IRI,
obtener los datos posteriormente SENAMHI
Potential use ? ? Se podría usar Uso indirecto para ayudar a Resumen regional de clima
directamente para los informar gradientes de podría ser usado para
escenarios después de ser temperatura a diferentes desarrollar series de tiempo
procesados elevaciones de datos
Comentarios Validación del SENAMHI depende Desarrollo de metodología Se van a analizar los datos en la Se van a analizar los datos en
de la escala. Pendiente en Condoriri y posibilidad de hacer un la posibilidad de hacer un
acercamiento de SENAMHI para replicabilidad en otras seguimiento seguimiento
validación cuencas. SENAMHI
entregaría datos
procesados listos para
WEAP. Piloto en Condoriri
se podría extender al
dominio del modelo WEAP
previa confirmación.
91
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Dada la información existente sobre escenarios para Bolivia, al comparar con los criterios
propuestos de los escenarios, se observa que un método basado en el RPCM permite
cumplir con los criterios (Tabla 8). Por lo tanto, se ha optado por ejecutar un híbrido que
usa el ensamble de proyecciones regionales climáticas desarrollado - el método RCPM,
combinado con un modelo de alta resolución – TL959 (en la medida en que la información
esté disponible durante los tiempos necesarios para este proyecto), y observaciones
históricas. El método usará el ensamble que es informado por un análisis Bayesiano
(Tebaldi et al. 2008) y un análisis estadístico k-nn basado en observaciones y modelos de
alta resolución (Groves et al. 2008) (Fig. 15).
92
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Tabla 8: Cruce de estudios de tendencias climáticas de Bolivia vs Objetivos de escenarios para el proyecto
Escenario Implementación y Evaluación del modelo Escenarios para el Universidad de Nebraska, RCPM - Ensamble
Climático validación de un modelo climático regional PRECIS PRAA, SENHAMI 2012 MMAYA, BID
regional de clima para para el área de Bolivia:
Bolivia, FAN – Bolivia, 2009 Comparación con datos de
superficie, Andrade, 2010
Aplicable a escala No No No Si Si, aplicando método de
del modelo bajada de escala
Representa No
diversidad de No No No Si
GCMs
Representación de En evaluación En evaluación
condiciones En evaluación En evaluación En evaluación
históricas
93
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
El ensamble RPCM resume para una región geográfica el consenso entre los modelos
climáticos sobre proyecciones climáticas para una zona específica. La Fig. 9 muestra el
dominio del RCPM que incluye nuestra región de interés. Al crear nuestro ensamble
estaríamos usando un set bajado de escala de forma dinámica a nuestra región,
reconociendo que nuestra región es de 800 km2. La fortaleza más grande del RCPM es que
esta síntesis de 18 modelos está disponible actualmente. Esta aproximación además da un
peso a los escenarios basado en que los modelos están de acuerdo con el clima pasado, y
asigna un menor peso basado en si algunos de los escenarios son extremos comparados con
otros.
Otra razón para usar esta aproximación es que para este caso específico, modelos
percibidos como modelos de alta resolución son incluso muy gruesos para nuestro análisis.
Por ejemplo, un modelo de 20 km solamente representaría dos puntos y no capturaría la
topografía compleja de la región. Afortunadamente tenemos el modelo regional que corrió
la U. Nebraska (Fig. 8) que muestra el dominio de nuestro modelo WEAP de 800 km (el
polígono) y la grilla del modelo WRF de 4 km, indicando que este modelo si podría
capturar gradientes topográficos importantes. Es claro que una deficiencia de este set de
datos es el hecho de que RCM requieren considerable poder computacional, por lo tanto las
corridas realizadas por U. Nebraska son limitadas. Por ejemplo para Bolivia tenemos
solamente únicamente 5 años de corrida.
A través de este método propuesto el RCPM servirá para:
1. Proveer límites a la magnitud del cambio climático regional
2. Dentro de esos límites, proveer cambios consistentes y estacionales
3. Proveer un estimado de magnitudes de cambio inter-anuales
La conexión entre el modelo de alta resolución es explorar simplemente la posibilidad de
gradientes de cambio sobre una cuenca como resultado de una topografía más detallada.
94
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
En conclusión, para el modelo WEAP de La Paz y El Alto que se corre a paso de tiempo
mensual, estaremos usando el ensamble RPCM, el cual será informado por el modelo de
alta resolución (si los datos están disponibles a tiempo), y un método estadístico k-nn que
junto con las observaciones históricas permitirá desarrollar las series climáticas futuras. Al
usar este método esperamos poder obtener una descripción de la distribución probabilística
del ensamble, de forma que será posible desarrollar al menos 10 escenarios climáticos para
el análisis.
Finalmente, como resultado del proceso Q&A que está siendo realizado por Sebastián
Vicuña, se plantea la sugerencia de realizar una etapa de análisis de sensibilidad que
muestre cuales son los posibles escenarios de cambio de temperatura y precipitación que
pudieran afectar el suministro de agua a las ciudades, Ese trabajo puede dar contexto a
posibles escenarios de cambio climático e implica un trabajo de implementación fácil y que
permite una base para explicar las consecuencias de las tendencias climáticas a los
tomadores de decisiones. Para esto se sugiere usar el trabajo realizado por Vicuña et al en
http://ascelibrary.org/doi/abs/10.1061/%28ASCE%29WR.1943-5452.0000202.
Según David Yates, este tipo de experimento de sensibilidad o de ‘ingeniería inversa’
explorará el nivel de cambio que es necesario que ocurra para que exista un impacto en los
recursos hídricos. Por ejemplo, si una medidas de desempeño es que ‘un reservorio no
puede bajar de cierto nivel en 1 de 40 anchos’ entonces el modelo se corre por ejemplo con
temperaturas incrementales hasta que esta regla no se cumpla, lo que sugiere un grado de
temperatura que llega a una condición que no es aceptable. Este tipo de aproximación es
útil, y se va a considerar la posibilidad de implementarla en el estudio.
95
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
REFERENCIAS
Andrade M., 2011. Proyecciones del Clima Futuro en Bolivia: Revisión del conocimiento
actual. Programa Nacional de Cambio Climático (PNCC). Informe Final. La Paz-Bolivia.
Andrade M. & L. Blacutt, 2010. Evaluación del modelo climático regional PRECIS para
el área de Bolivia: Comparación con estaciones de superficie. Revista Boliviana de Física,
16, 1–11. La Paz-Bolivia.
Proyecto Adaptación al Impacto del Retroceso Acelerado de Glaciares en los Andes
Tropicales-PRAA, 2012. Avances del Modelo TL959. Banco Mundial, Comunidad
Andina (CAN), MMAyA, PNCC y SENAMHI. Presentación en Taller 4-Definición de
Escenarios de Cambio Climático para el WEAP organizado por MMAyA, BID y SEI.
Seiler C., 2009. Implementation and validation of a Regional Climate Model for Bolivia.
Fundación Amigos de la Naturaleza (FAN-Bolivia).
C. Tebaldi and B. Sanso (2008) Joint projections of temperature and precipitation change
from multiple climate models: a hierarchical Bayesian approach. Journal of the Royal
Statistical Society A, Vol. 172, no. 1, pp. 83-106.
Yates D., 2012. Climate Change Scenarios for Water Resource Assessment. Presentación
en Taller 4-Definición de Escenarios de Cambio Climático para el WEAP organizado por
MMAyA, BID y SEI. http://rcpm.ucar.edu/about.html
D. G. Groves, D. Yates, and C. Tebaldi (2008), Developing and applying uncertain global
climate change projections for regional water management planning, Water Resour. Res.,
44, W12413, doi:10.1029/2008WR006964.
Vergara, W. ; Escobar, M. ; Deeb, A.; Leino, I.; Kitoh, A. 2011. Assessment of the
Impacts of Climate Change on Mountain Hydrology: Development of a Methodology
Through a Case Study in Peru. World Bank Studies book
96
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
97
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
98
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
99
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
100
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
101
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
102
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
103
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
104
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
105
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
106
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
107
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
108
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
109
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
110
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
111
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
112
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
113
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
114
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
115
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
116
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
117
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
1. Cambio de temperatura
118
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
En la vista de Datos hacer clic en el botón derecho del mouse sobre Key Assumptions y
escoger la opción agregar y después nombrarlo como Calentamiento. En unidad poner en °C
y debajo de escala quitar porcentaje. Para ingresar los datos, hacer clic izquerdo debajo de
2000 y escoger Monthly Time-Series Wizard.
119
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
En la misma vista de Datos hacer clic izquierdo en el boton Manage Scenarios. En la ventana
de manejo de escenarios hacer clic izquierdo en el botón agregar y nombrarlo como
Calentamiento, después en parte derecha de la ventana verificar que debajo de Calentamiento
se basa en: esté reference y cerrar la ventana; posteriormente aparcera una ventana con el
siguiente mensaje Cambiando al Escenario de Calentamiento… hacer clic izquierdo en OK.
En la vista de Datos hacer Clic izquierdo en Demand Sites and Catchments, y debajo de este
hacer clic izquierdo en Agricultura Catchment. Antes se realizará algunos cambios en los
datos, para esto en la parte derecha hacer clic en el botón Irrigation, en Umbral Inferior
cambiar 45 por 55 en Irrigated.
120
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Ahora, hacer clic en el botón Climate y verificar que en la parte superior donde dice Datos
para: diga Calentamiento (2001-2015) en texto de color rojo; luego hacer clic en el botón
Temperatura y debajo de la pestaña 2001-2015 hacer clic izquierdo y luego escoger la opción
Editor de Ecuaciones.
121
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Finalmente se puede correr los resultados, para esto en la Barra de Vistas hacer clic en
Resultados. En las siguientes Figuras podemos observar algunos de los resultados como la
demanda de agua.
2. Precipitación
En la vista de Datos, en Key Assumptions agregar un nuevo ramal y nombrarlo como
Precip; las unidades de medición deben estar en mm.
122
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Para ingresar los datos, hacer clic debajo de 2000 y escoger la opción Editor de Ecuaciones,
para el caso de la precipitación utilizaremos la función Random donde se generaran valores
aleatorios entre 0.8 y 1.0
Posteriormente hacer clic en la vista de Datos en Manage Scenarios y agregar uno nuevo con
el nombre de Precip, y verificar que en la parte derecha en Precip se basa en: diga Reference.
123
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
En la ventana de Editor de Ecuaciones multiplicar a los datos mensuales con Precip que fue
creado en Key Assumptions. Si la expresión está correcta Conluir.
124
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Ahora se puede correr los resultados, pero antes crearemos el último escenario.
3. Precipitación y Temperatura
En la vista de Datos hacer clic en Manage Scenarios y agregar un escenario con el nombre de
DP_DT y verificar que en DP_DT se base en: diga Precip y luego cerrar la ventana.
En los datos de Agriculture Catchment hacer clic en Climate y luego Temperatura, debajo de
2001-2015 seleccionar Editor de Ecuaciones y sumar a los datos mensuales con
Calentamiento.
125
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
1.
Finalmente en la barra de vistas hacer clic en Resultados. En la siguiente figura podemos
visualizar resultados de la demanda de agua.
126
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Bolivia
Reduciendo Vulnerabilidad al Cambio Climático a través de la Inclusión de
Adaptación en los Procesos de Planificación (RG-T1840)
Task Order No. 4
Octubre 2012
127
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
128
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
realizados por las diferentes instituciones del Grupo Focal, las cuales fueron aclaradas por el
grupo de trabajo, haciendo hincapié en el procesamiento de los datos, alcance del modelo
WEAP para las diferentes situaciones particulares de cada institución.
El grupo de trabajo apoyó a las instituciones para la estructuración de las presentaciones
haciendo las modificaciones respectivas.
Luego de la aclaración hubo varias sugerencias y observaciones:
• No se contó con todos los técnicos encargados de elaborar el modelo, esto debido a
problemas ajenos como viajes institucionales, dificultades técnicas, etc.
• Hubo mucho interés por parte de los técnicos del MMAyA, EPSAS, GAMLP, BID,
IHH, asiéndose énfasis en la continuidad del aprendizaje del modelo debido a la gran
aplicación que se tiene para diferentes áreas como: demandas de riego, microcentrales
eléctricas, escenarios climáticos, gestión de recursos hídricos.
• Al finalizar la mañana se terminó con el agradecimiento por parte de los participantes
a todo el grupo de trabajo por la colaboración en la elaboración del modelo WEAP
aplicada para las distintas problemáticas de cada institución.
Por la tarde se hizo la presentación de resultados obtenidos como una ante sala a la
presentación a los tomadores de decisiones del día viernes 12 de octubre.
129
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
4.
5. Foto 2: Discusión y sugerencias
6.
Se obtuvo la retroalimentación de los técnicos del Grupo Focal que tuvieron sugerencias y
observaciones las cuales fueron principalmente:
• El grupo focal planteo la simplicidad en los gráficos de escenarios climáticos
mostrando 2 gráficos: uno con los 6 escenarios climáticos y el otro solamente
mostrando los extremos y el promedio. También a sugerencia de Jorge Molina
especialmente en los escenarios de precipitación mostrar la diferencia porcentual
anual de cada escenario.
• También Marcial Berdeja sugirió establecer un punto de quiebre que resulta del
grafico de oferta vs. demanda para cada sistema, donde se dará a conocer la situación
actual del sistema de abastecimiento en el futuro estableciendo el año donde el
abastecimiento de agua será crítico.
• Prem Jai sugirió mostrar dos gráficos de abastecimiento de agua ya no por sistemas si
no por ciudades es decir, La Paz y El Alto resaltando que para La Paz se esta
agrupando los sistemas de Achachicala y Pampahasi y que para el sistema de El Alto
también abastece las laderas de la ciudad de La Paz.
130
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
131
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Luego expuso el Banco Interamericano de Desarrollo (BID) representado por el Ing. Arpad
Gonzales que realizó la elaboración del modelo WEAP en base a estrategias para la cuenca de
Milluni que consistía en la creación de un nuevo embalse aguas arriba de la represa Milluni
que la llamó embalse Patakhota.
Finalmente realizó su exposición el Ministerio de Medio Ambiente y Agua (MMAyA)
representado por los ingenieros: Carolina Mendoza, Pamela Flores, Alvaro Rodriguez,
quienes expusieron la aplicación del modelo WEAP para una cuenca específica como lo es la
de Taypichaca con sus respectivas demandas de riego.
Luego de las excelentes exposiciones el jurado tomó la decisión de otorgar el primer lugar al
Ing. Rilmar León (GADLP) premiándolo con una cámara digital de última generación.A
todos los demás participantes se les otorgó certificados de entrenamiento en WEAP.
132
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
133
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
134
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
CAUDAL
[l/s]
TIEMPO
[años]
Fig. 1: Alcance de proyectos
La reunión con Alejandro Deeb con el grupo de trabajo del SEI tuvo las siguientes sugerencias:
• Comparar y revisar las proyecciones de poblaciones del INE, EPSAS, con las
proyecciones que realizaron en un estudio de las Naciones Unidas
• El PRAA sugiere los escenarios en conjunción con las pérdidas en los sistemas.
• Hacer una combinación de prioridades de los sistemas de abastecimiento.
Finalmente Alejandro Deeb nos sugirió que realizamos un análisis detallado de la resiliencia
en función de la dotación del sistema que para el BID espera obtener una dotación de 1000 l/s
para la ciudad de El Alto , manteniendo todos los criterios de confiabilidad y cobertura como
se ve en la figura 2.
135
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Actividades pendientes
Una vez terminado los talleres, visita a instituciones y trabajo del equipo SEI, se resumió
en la Tabla 1 las actividades pendientes y las estrategias para concluir con cada una de ellas.
Además incluye las inquietudes, sugerencias, observaciones y recomendaciones recogidas
durante la visita.
136
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
137
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
138
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
139
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
INSTITUCIÓN: SEDEPPAR-G.A.D.L.P.
GESTION 2012
140
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
141
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
142
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
RESULTADOS
MUNICIPIO DE PUCARANI
RESULTADOS DE LA DEMANDA DE AGUA, SEGUN ABRO 3.1
MES E F M A M J J A S O N D ANUAL
DEMANDA 610,411.59 1,229,600.05 841,085.89 536,780.43 144,576.45 16,781.94 35,511.84 0.00 70,435.59 213,987.32 490,528.17 1,049,019.48 5,238,718.75
TOTAL (m3)
1,200,000
1,000,000
DEMANDA (m3)
800,000
600,000
400,000
200,000
0
J J A S O N D E F M A M
MESES DEL AÑO
DEMANDA (M3)
143
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
RESULTADOS
MUNICIPIO DE BATALLAS
RESULTADOS DE LA DEMANDA DE AGUA, SEGUN ABRO 3.1
MES E F M A M J J A S O N D ANUAL
DEMANDA 345,275.02 725,760.01 445,543.99 328,813.96 81,262.22 62,577.64 0.00 0.00 61,396.88 113,493.02 304,797.97 300,155.28 2,769,075.99
TOTAL (m3)
700,000
600,000
DEMANDA (m3)
500,000
400,000
300,000
200,000
100,000
0
J J A S O N D E F M A M
MESES DEL AÑO
DEMANDA (M3)
CONCLUSIONES Y RECOMENDACIONES
La aplicación del WEAP en proyectos hidráulicos es de
mucha importancia, ya que en la actualidad no se
cuenta con datos precisos de caudales de las cuencas,
sub-cuencas y ríos existentes. Datos que son
indispensables para el diseño de presas, represas y obras
de captación de agua.
144
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
INTRODUCCION
UBICACIÓN GEOGRÁFICA
UBICACIÓN GEOGRÁFICA
EL ALTO
LA PAZ
145
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
146
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
147
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
MODELO WEAP
148
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
149
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
The advanced Weather Research and Forecasting Model (WRF) was used to develop climate change
scenarios for this analysis. WRF is a fully compressible conservative-form nonhydrostatic atmospheric
model suitable for both research and weather prediction applications, which has demonstrated ability
for resolving small-scale phenomena and clouds (Klemp et al. 2007, Skamarock and Klemp 2008).
WRF has multiple options and choices for physical parameterizations (i.e., radiation, cloud physics,
cumulus clouds, planetary boundary layer turbulence) and is optimized for each application based on
the prevailing weather conditions, location, and goals of the project. To realistically simulate the two-
way land surface interactions with the atmosphere, WRF is coupled to the Noah Land Surface Model
(Noah LSM; e.g., Chen and Dudhia, 2001). The Noah LSM provides WRF with fluxes of energy and
water from the land surface, while also maintaining stores of water and energy in four soil layers to a
depth of 2 m.configuration for the Peru domain on the NCAR supercomputer, bluefire. Benchmark
simulations were done to estimate computing and data storage needs, with the model setup in a ‘double
nested’ configuration, with a summary of model results, used to determine resource requirements,
below:
Configuration: 2 domains (60/20 km): The 60-km domain is 160x100, the 20 km domain is 73x73.
There are 35 vertical levels up to 50 mb. Based on the benchmarks (shown below).
60 km
20 km
150
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
precipitation estimate and other meteorological data for Northern Peru. The primary data set is known
“MERRA”, which is the Modern Era Retrospective Analysis for Research and Applications. In addition
to these data, we acquired monthly total precipitation for several stations throughout the Huancabamba
watershed from PEOT, which were used for verification of the WRF model runs.
Benchmark Results: A two-domain nested WRF configuration was employed, with 60-km outer and
20-km inner domains (Figure. A1). The 60-km domain spans 160 columns by 100 rows, and is is thus
9,600 km in the horizontal and 6,000 km in the vertical; while the inner, 20 km domain is 73 column by
73 rows, and thus extends 1,460 km by 1,460 km. There are 35 vertical levels up to 50 mb.One-way
nesting was used. There were 35 vertical levels from the surface to 50 hPa, with 7 levels in the lowest
1000 m. The initial and boundary conditions were provided by the National Centers for
Environmental Prediction – Department of Energy – Atmospheric Model Intercomparison Project
Reanalysis II (NCEP-DOE-II; Kanamitsu et al. 2002). Monthly 1-degree sea surface temperature (SST)
data from the Hadley Centre’s sea ice and sea surface temperature dataset, HadISST1 (Rayner et al.
2003), were bi-linearly interpolated to daily values and employed to update the SSTs daily. The
monthly HADISST data were chosen over several existing SST datasets that have daily resolution
because HADISST covers the entire period of interest, 1979-present. Three-hourly skin temperature,
snow water equivalent, soil temperature, and soil moisture fields from the 1-degree Global Land Data
Assimilation System (GLDAS; Rodell et al. 2004) were used to initialize the land surface and subsurface
states for the Noah LSM in WRF. GLDAS employs 4 different LSMs; the output from the Noah
LSM module in GLDAS was employed to initialize our simulations for consistency with the Noah LSM
in WRF. The spun-up soil temperature and soil moisture fields from GLDAS are in 4 layers from 0-2
m, consistent with the configuration that the Noah LSM in WRF employs. Modifications were made to
the longwave physical parameterization, the Rapid Radiative Transfer Model (RRTM; Mlawer et al,
1997), so that CO2 was changed from a time-invariant value of 360 ppm to annually-varying values
ranging from 337-387 ppm for 1979-2009 based on the Mauna Loa CO2 observations (Keeling et al.
2009).
A series of month-long sensitivity simulations were performed to optimize WRF for the study domain
centered on the Huancabamba basin in northern Peru. Numerous combinations of physical
parameterizations were tested, with the goal of finding the model configuration for which precipitation
is best simulated. Monthly precipitation totals and mean diurnal cycles from the WRF simulations were
compared to satellite-based precipitation data for March (wet season) and August (dry season) 2006. A
complete description of the satellite-based data is provided below in the model verification section.
Additionally, monthly-mean soundings from WRF were compared to radiosonde observations from
Cruzerio Do Sul (7.6 S, 72.7 W) to ensure reasonable vertical profiles of temperature, moisture, and
winds. For brevity, the results from the sensitivity studies are not presented, however a detailed
verification of the final simulations employing the chosen model configuration is given in the next
section. The chosen model physical parameterizations are summarized in Table A1.
The final production simulations were performed for year-long intervals; i.e., 30 one-year simulations
were performed, beginning on 31 July of each year, with the first starting on 31 July 1979. The results
for 01 January 1980 – 31 December 2009 will be analyzed in this study (Figure A2).
151
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Figure A2. Sample precipitation maps compare the WRF simulated monthly mean
precipitation (top) with the pseudo observed rainfall from CMORF for January (left) through
November (right). See the included pdf file, wrf_output_07152010.pdf for details.
A final (31st) simulation of less than one year was performed to complete the period from 31 July 2009
– 01 January 2010. The choice of year-long simulations was made in an effort to balance
computational efficiency with the need to provide a reasonable amount of time for the land surface to
spin up. The simulations were initialized on 31 July of each year because it is during the dry season and
thus provides several months of time to spin up the land surface state before the rainy season, when
land-atmosphere interactions become more important. We are very encouraged regarding the skill of
the WRF model in representing the precipitation variability in both space and time. Table A1 presents
the final parameterizations choices used in the model.
152
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
153
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
been programmed into a web-based tool, the Regional Climate-Change Projections from Multi-
Model Ensembles (RCPM, http://rcpm.ucar.edu/), which provides a statistical analysis of the
projections made by many different coupled Atmosphere-Ocean General Circulation Models
(AOGCMs). The RCPM makes use of a Bayesian statistical model to synthesize the information
from the ensemble of AOGCMs into a probability density function of change in temperature or
precipitation for a given geographic region, which for this report is shown in Figure 15. A
probability density function describes the likelihood that an unknown variable will take on a value
found within a particular range. Bayesian analysis uses known data to infer probabilistic values for
unknown data that are consistent with the known values. This method allows for the inference of
the reliability of the models' future projections (which is unknown) based on their ability to
reproduce observed data and their agreement with one another (both of which are known).
Figure A3. Domain over which projected change in precipitation and temperature are
estimated from the Bayesian model (http://rcpm.ucar.edu)
In generating the probability density function, the analysis assigns an implicit weight to each
model's contribution based on two factors: bias and convergence. A model's bias is assessed by
comparing its reproduction of the current climate to observed historical data, averaged over a region
and season of interest. Convergence among models is rewarded by giving relatively more weight to
projections that agree with the other members of the ensemble than to outliers. Because agreement
between models may be due to model dependence, the analysis puts less weight on the convergence
criterion relative to the bias criterion.
This analysis is performed at a regional scale, area-averaging data from a minimum of four grid
points into regional means of temperature and precipitation change. For any given season and
154
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
greenhouse gas emissions scenario, the Bayesian model is able to derive a probability density
function of temperature and precipitation change. A season is any set of one or more consecutive
months up to a year; the available emissions scenarios are SRES scenarios A2 (high), A1B
(midrange), and B1 (low emissions); and change is the difference between two 20-year averages,
for example 1980-1999 (the typical "current climate" period) versus 2080-2099.
Figure A1 shows the region over Northern Peru where we have summarized the projected changes
in temperature and precipitation using the Bayesian Model based on the outcome of 15 individual
GCMs for the A2 SRES scenario. The A2 scenario is one of relatively rapid population growth and
limited sharing of technological change, combined with high greenhouse gas levels by the end of
the 21st century. Projected changes in annual precipitation around 2050 are shown in Figure 2,
where the relative change projected by individual GCMs is marked along the axis in its unique
color. The NCAR CCSM model is model number ‘4’, depicted in yellow, with a projected increase
in average daily precipitation of near zero. For this region, daily average annual precipitation is
roughly 2 mm/day, so it is interesting to note that the range in precipitation change is much greater
than the annual mean, suggesting great uncertainty in the representation of the current climate by
any single GCM. There is near equal likelihood that the region could be either wetter or drier, and
thus there is no strong GCM model consensus on the nature of precipitation change in the region.
Figure A4. Projected distribution of annual precipitation change around 2050. The vertical line
is the ‘zero-change’ line.
Figure A5 shows the change in precipitation for the wet season, March-April-May, where the
CCSM model is number ‘11’ and on the wet-side of the distribution, although again note the wide
spread of the distribution suggesting great uncertainty. Overall, the distribution suggests an increase
in seasonal precipitation, as the distribution is slightly skewed to the wet-side suggesting a bit
stronger model consensus for wetter conditions, with more individual model results to the right of
155
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
the zero change line. Figures 4 and 5 shows similar results, except for temperature change. Note
that all models suggest increases in temperature, around 1 to 2oC, but the wide spread in the
distribution again suggests significant uncertainty. The NCAR CCSM model is near the center of
the distributions of models.
Figure A5. Same as Figure A4, but for the March-April-May season.
156
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Figure A4. Projected distribution of annual temperature change around 2050. The vertical line
is the ‘zero-change’ line.
Figure A6. Projected distribution of annual temperature change around 2050. The vertical line
is the ‘zero-change’ line.
The analysis from the Bayesian model are important for this work, since we are using the results of
a single GCM (e.g. the NCAR CCSM model) to drive a regional climate model, the Weather
Research Forecast (WRF) model from a single set of GCM results. Thus, our results will under-
represent the significant uncertainty of potential changes in the regional climate of Northern Peru.
With this caveat, we press forward with the method employed to generate climate change scenarios
for the OLMOS project.
Here, we describe the method and motivation of developing a climate scenario using the “Pseudo-
Global Warming” or 2XCO2 approach based on the WRF model. The 2XCO2 These runs were
made with the Weather Research Forecast (WRF) model by perturbing the 6-hourly, present day
(1980-2009) climate fields from the National Centers for Environmental Prediction – Department of
Energy Reanalysis II (NCEP2), and the HadSST1 sea surface temperatures (SSTs) (Rayner et al.
2003), with change fields calculated from NCAR’s Community Climate System Model (CCSM).
The CCSM simulations were originally run in support of the Intergovernmental Panel on Climate
Change Fourth Assessment Report (AR4; IPCC 2007).
1. Acquire the current and future CCSM data from the NCAR Mass Store for the current and
future climate runs.
2. From this data, calculate the perturbation fields by differencing the long-term monthly
mean U wind, V wind, temperature, geo-potential height, surface pressure, specific
humidity, and SST’s as the difference between current and future climate periods from the
157
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
CCSM model run for the 1995-2005 20C3M simulation, from the 2045-2055 SRES-A2
scenario.
3. The CCSM-perturbed NCEP2/HadISST fields were employed as the initial and boundary
conditions for the 2XCO2 simulations.
4. Annually-varying CO2 concentrations for the 30-year 2XCO2 simulations were set to the
SRES A2 concentrations for the 2035-2064 periods in the WRF longwave radiation
scheme.
5. Add the perturbation field to current analyses of atmospheric conditions and extract
regional model initial and lateral boundary conditions.
Note that with this approach, there is no change in the transient spectra (i.e. the regional model
assumes the climate variability in the future except for intensification or weakening of storms
within the domain). This assumption is a trade-off of the 2XCO2 approach compared to directly
downscaling future scenarios from CCSM or another AOGCM with the WRF model. The
motivation for this choice is that it was found, in general, that the coupled IPCC AOGCM
simulations, including CCSM, did not realistically reproduce the spatial patterns and annual cycle
of several key meteorological variables over Peru, especially rainfall and temperature. The issue is
likely related to the overall poor representation of the El Nino-Southern Oscillation (ENSO) by the
PICC AR4 AOGCMs (Lin 2007). Despite this issue, the change fields (2045-2055 minus 1995-
2005) among the different IPCC GCMSs were relatively consistent, and thus deemed the best
available guidance for projected climate change. For this reason, we chose the 2XCO2 approach
over directly downscaling CCSM with WRF, in order to take advantage of what we believe to be a
more realistic depiction of the spatio-temporal variability of the mean climate of Peru in NCEP2,
including for the mid-20th century. Another caveat of the approach is that it provides but a single
projection of future climate, thus the results should be treated cautiously given their high
uncertainty.
Acquisition and Processing of Historical Climate Data from SENAHMI
At the start of the project, PEOT staff provided available meteorological data to the project team,
consisting primarily of monthly precipitation data typically for the period 1963 through 2008.
Problematically, the data did not include temperature, which is needed for the WEAP model for
assessing both current system performance and potential climate change impact and adaptation
options. The project team was granted access to the SENHAMI web site and we were able to
download climate data for nearly 20 stations over Northern Peru from the SENHAMI web site,
http://www.senamhi.gob.pe/site/tesis/. These data consisted of daily total precipitation and minimum and
maximum temperature, typically for the period 1980 through 2009. Figure 6 shows climate data for
the Olmos station for the period 1980 through 2006. This was a significant effort to process these
data, as the data were not quality controlled, with a substantial number of missing data and/or
incomplete fields. We undertook a quality control and data filling exercise on this data, resulting in
a useful dataset for both the WEAP model and use by OLMOS staff for their own interests. The
large, dark circles in Figure A7 are the locations of the SENAMHI stations (e.g. Morropon,
Namballe, San Ignacio, etc.), while the small, light and regularly spaced marks are the locations of
the WRF computation nodes. The marks labeled 1 through 8 over the Rio Huancabamba watershed
are the location of the WRF grid point that were used for the WEAP simulations. The additional
data provided temperature and precipitation time series for the points across the Rio Huancabamba
and in the new irrigated agricultural region of Olmos. The data include daily total precipitation and
minimum and maximum temperature, which were converted to monthly total precipitation and
158
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
monthly average temperature for points in the Huancabamba watershed, while the daily data was
preserved for simulation irrigation demand in the new agricultural area.
Figure A7. Daily (top) and monthly (bottom) precipitation and temperature data for the
OLMOS station.
159
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Generating Current and Future climate forcing using the WRF data.
The WEAP water resources model is run on a monthly time step, and so the WRF data was
aggregated to a monthly time step, with individual model points from WRF mapped one-to-one to
unique climate station data. For example, the grid-point labeled ‘1’ in Figure A8, was mapped to the
Laguna Shimbe observation point which is the climate data used to drive the Upper Huancabamba
catchment object in WEAP (e.g. UprHuan_3000 -> Laguna Shimbe Climate -> WRF Grid Point 1).
We needed to assess the skill of the WRF model in representing the precipitation and temperature of
the Laguna Shimbe station, suspecting that the WRF current climate simulations will be biased
relative to the observations. We extracted the concurrent monthly total precipitation for the period
1980 through 2003 for both the WRF runs and the Laguna Shimbe climate station, and plotted their
frequency curves to assess bias on a month-to-month basis, which is shown in Figure A9. So for
this station, the WRF models “skill” is simulating precipitation in January is quite good, with the
WRF model.
160
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Jan Feb
p[, ])
sort(WRFp[, 2])
Mar
300
250
300
WRF Raw WRF Raw WRF Raw
Obs Obs Obs
200
WRF BC WRF BC WRF BC
150
150
100
50
50
0 5 10 20 30 0 5 10 20 30 0 5 10 20 30
p[, ])
sort(WRFp[, 2])
Apr May Jun
150
120
WRF Raw WRF Raw WRF Raw
Obs Obs Obs
100
100
80
50
40
50
0
0 5 10 20 30 0 5 10 20 30 0 5 10 20 30
p[, ])
sort(WRFp[, 2])
100
100 150
80
60
40
50
20
20
0
0 5 10 20 30 0 5 10 20 30 0 5 10 20 30
p[, ])
sort(WRFp[, 2])
150
50
50
0
0 5 10 20 30 0 5 10 20 30 0 5 10 20 30
Figure A9. Monthly total precipitation (y-axis) ranked by year (y-axis) and by month. Top
left is January, then February, March, etc. WRF Raw is the actual raw total monthly
precipitation output from WRF. Obs is the observation and WRF BC is the bias corrected WRF
output.
We have applied a bias correction to each month series, which is the time series labeled “WRF-BC”
and depicted by open circles) in each figure. For February and March, the WRF model tends to
overestimate precipitation relative to the observations, while for April through December; the WRF
model tends to consistently under estimate rainfall. This bias step in bias correcting WRF output is
important. The raw WRF monthly total precipitation and average temperature could not be directly
used in the WOlmos water resources mode, as the results would be erroneous. With a bias corrected
time series, the resulting data can be used to force the WEAP model for both the current and future
water resources analysis.
161
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
EL Tableau Reader es una aplicación gratuita que permite abrir y visualizar las
gráficas elaboradas en Tableau Desktop. Con Tableau Reader se puede interactuar
con los resultados: filtrar, ordenar y examinar los datos. Además nos permite
compartir conocimientos analíticos para poder ahondar en detalles específicos, se
puede descargar de la siguiente dirección: http://www.tableausoftware.com/es-
es/products/reader
162
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
163
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Figura 7-3. Link para acceder a la base de datos y gráficas elaboradas en Tableau
Figura 7-4. Archivos de software Tableau para los sistemas de agua de La Paz y El Alto
Se espera que el lector utilice estos archivos para experimentar la capacidad dinámica de la
herramienta producida. En estos archivos es posible visualizar la base de datos y los resultados. Ya
que la base de datos tiene varias dimensiones, los resultados presentados en reporte son una muestra
de las posibles opciones, así que la base de datos se hace disponible para explorar la implicación de
las diferentes decisiones e incertidumbres.
Seguidamente estos archivos se abrirán y se contará con todas las propiedades de los gráficos
realizados en Tableau como podemos ver como ejemplo en la Figura 7-5.
164
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
165
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Otro ejemplo que podemos analizar es en la figura donde nos muestra la confiabilidad El Alto y La
Paz, la cual cuenta con filtros rápidos. Estos filtros nos permiten cambiar el periodo, la cobertura
urbana y de riego, así como otras incertidumbres (Figura 7-7).
166
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
De manera similar se hace con todos los gráficos que fueron desarrollados por
Tableau Desktop donde podremos cambiar los gráficos según los requerimientos
que se necesite pero no podremos cambiar la base de datos.
Manual de usuario del Dashboard de confiabilidad
El Dashboard o Panel de Control es un interfaz gráfico que permite al usuario ver y manipular el
desempeño medido con la confiabilidad con diferentes Estrategias e Incertidumbres para un periodo
de tiempo 2011-2050 de los sistemas de agua de La Paz y El Alto. Las estrategias estudiadas son:
• L1-Nuevo Embalse Khotia Khota y ampliación de embalse Taypichaca; además mejoras en
la infraestructura de riego.
• L2-Ampliacion embalse Taypichaca y aducción de las cuencas Janchallani y
Jachawaquiwiña al embalse mencionado. También mejora en la infraestructura de Riego.
• L3-Cambio de fuente, embalse Milluni y construcción de Jankho Khota para el sistema El
Alto (El Alto) y construcción de embalse Kaluyo para Sistema Achachicala.
• L4-Conservación de bofedales
• L6-Reducción de pérdidas en sistemas de riego
• L6-Reduccion de pérdidas en sistemas de agua urbano.
Las incertidumbres que pueden ser explorados en el Dashboard son:
• Escenarios de cambio climático numerados desde 1 a 6, incluye el escenario sin cambio
climático numerado con 0.
• Dos incertidumbres de crecimiento poblacional, bajo y alto, para cada sistema de agua
Urbano.
• Dos incertidumbres de consumo per cápita, el primero denominado como Actual/Bajo
plantea consumo per cápita sin cambios para Pampahasi y Achachicala; mientras que para
El Alto existe un incremento pero no muy considerable. En el segundo, Alto, existe un
aumento en el consumo per cápita para los tres sistemas; pero no muy considerable para
Pampahais y Achachicala.
• Prioridad de distribución: la primera incertidumbre planteada como Urbano, prioriza los
sistemas urbanos en el abastecimiento de agua, y los sistemas agrícolas tienen una prioridad
baja; la segunda denominada como Urbano-Agrícola, plantea una equidad en la distribución
del agua.
• Crecimiento de la frontera agrícola; esta incertidumbre solo es válido para los sistemas de
riego Palcoco-Condoriri y Patamanta, que actualmente comparten agua con las fuentes de
suministro del sistema El Alto. El primero denominado como Bajo, implica un incremento
del 20% respecto al área de riego actual; el segundo, Alto, en un 40%.
Interfaz del Dashboard
El Dashboard de confiabilidad de los sistemas de agua de La Paz y El Alto ha sido implementado
en el software Tableau, para esto se ha estructurado una base de datos muy extenso, donde está
incluido diferentes medidas como caudal de cuencas, volumen de embalses, demandas y cobertura
de las demandas. Para la implementación del Dashboard solo se ha usado la cobertura de las
demandas. El interfaz se puede ver en la Figura 0-9, se ha divido en cuatro partes marcados por
líneas amarillos y denominados desde A hasta D. En la Sección A se presenta una gráfica elaborada
con cuadros, donde en las columnas se tienen todas las estrategias (Base, L1, L2, L3, L4, L5 y L6) y
167
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
en las filas la confiabilidad de los sistemas El Alto, Agrícola (Tupak Katari, Suriquiña y
Taypichaca) y La Paz (Sistema Achachicala y Pampahasi) para un escenario sin cambio climático
(0) y seis con cambio climático. En la sección B se presenta dos graficas de puntos comparando la
confiabilidad agrícola y los sistemas de La Paz con el Sistema El Alto; la gráfica combina las
estrategias con todas las incertidumbres. En la Sección C están ubicados los filtros rápidos de las
incertidumbres como crecimiento poblacional, consumo per cápita, prioridad de distribución y e
incremento del área de riego; asimismo las leyendas de los escenarios climáticos y de las estrategias
de manejo. Y en la sección D están algunos parámetros de control como límite de confiabilidad,
criterio de cobertura urbana, criterio de cobertura de riego y el filtro de tiempo.
D
A
B
C
168
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Paso 2 - Definir el criterio de cobertura para sistemas urbanos y riego: este criterio es usado
para el cálculo de la confiabilidad, cuando la cobertura es igual o mayor a ese criterio el sistema no
presenta falla, si la cobertura es menor a ese criterio el sistema está en un estado de falla. Para fines
de este manual establecemos Cobertura Urbana en 80% y Cobertura Riego en 70% (Figura 7-11).
7.
8.
9.
Figura 7-13. Desempeño de las estrategias con todas las incertidumbres
169
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
Hasta el momento hemos visualizado resultados combinación de las estrategias con todas las
incertidumbres, sin embargo en las incertidumbres de crecimiento poblacional, consumo per cápita,
prioridad de distribución y aumento del área de riego podemos hacer diferentes cambios.
Paso 5 – Cambiando a incertidumbres más conservadores: en los filtros de incertidumbres
hacemos los cambios mostrados en la Figura 7-14.
170
UN MARCO DE ANÁLISIS DE DECISIONES ROBUSTAS PARA ADAPTACIÓN AL CAMBIO CLIMÁTICO – APÉNDICES
10.
171