Journal of Hydrology 307 (2005) 145–163

www.elsevier.com/locate/jhydrol

Impacto hidrológico del cambio climático en la cuenca del Saguenay:

comparación de métodos de reducción de escala y modelos hidrológicos

Yonas B. Dibike *, Paulin Coulibaly

Departamento de Ingeniería Civil y Escuela de Geografía y Geología, Universidad McMaster,
1280 Main Street West, Hamilton, Ontario, Canadá L8S 4L7

Recibido el 26 de septiembre de 2003; revisado el 30 de agosto de 2004; aceptado el 1 de octubre de 2004

Resumen

Los cambios en el clima global tendrán un impacto significativo en los regímenes hidrológicos locales y regionales, que a su vez afectarán los sistemas ecológicos, sociales y económicos. Sin embargo, los

estudios de impacto del cambio climático en el régimen hidrológico han sido relativamente raros hasta hace poco, principalmente porque los Modelos de Circulación Global, que se utilizan ampliamente para simular

escenarios climáticos futuros, no proporcionan precipitaciones por hora o diarias lo suficientemente fiables para la modelización hidrológica. No obstante, se pueden derivar series de precipitaciones más fiables

correspondientes a escenarios climáticos futuros a partir de los resultados del MCG utilizando las denominadas "técnicas de reducción de escala". Este estudio aplica dos tipos de técnicas de reducción de escala

estadística (una estocástica y otra basada en regresión) para generar los posibles valores futuros de variables meteorológicas locales como la precipitación y la temperatura en la subcuenca de Chute-du-Diable de la

cuenca del Saguenay en el norte de Quebec. Canadá. Los datos reducidos se utilizan como entrada para dos modelos hidrológicos diferentes para simular el régimen de flujo futuro correspondiente en la cuenca.

Además de evaluar el potencial relativo de los métodos de reducción de escala, el documento también proporciona resultados de estudios comparativos del posible impacto del cambio climático en el flujo del río y el

flujo de entrada total del embalse en la cuenca de Chute-du-Diable. Aunque las dos técnicas de reducción de escala no proporcionan resultados idénticos, la serie de tiempo generada por ambos métodos indica una

tendencia general creciente en los valores medios diarios de temperatura. Si bien la técnica de reducción de escala basada en regresión dio como resultado una tendencia creciente en la media y la variabilidad de los

valores diarios de precipitación, tal tendencia no es obvia en el caso de series de tiempo de precipitación reducidas con el generador de clima estocástico. Además, el análisis de impacto hidrológico realizado con la

serie de tiempo de precipitación y temperatura a escala descendente como entrada para los dos modelos hidrológicos sugiere una tendencia general creciente en el caudal medio anual del río y el caudal de entrada

del embalse, así como los caudales máximos de primavera en la cuenca. tal tendencia no es obvia en el caso de series de tiempo de precipitación reducidas con el generador de clima estocástico. Además, el análisis

de impacto hidrológico realizado con la serie de tiempo de precipitación y temperatura a escala descendente como entrada para los dos modelos hidrológicos sugiere una tendencia general creciente en el caudal

medio anual del río y el caudal de entrada del embalse, así como los caudales máximos de primavera en la cuenca. tal tendencia no es obvia en el caso de series de tiempo de precipitación reducidas con el

generador de clima estocástico. Además, el análisis de impacto hidrológico realizado con la serie de tiempo de precipitación y temperatura a escala descendente como entrada para los dos modelos hidrológicos

sugiere una tendencia general creciente en el caudal medio anual del río y el caudal de entrada del embalse, así como los caudales máximos de primavera en la cuenca.

q 2004 Elsevier BV Todos los derechos reservados.

Palabras clave: Cambio climático; Reducción de escala; Modelos hidrológicos; Flujo de entrada del reservorio; Flujo del río

1. Introducción

Actualmente se cree que las actividades humanas, principalmente

* Autor correspondiente. Tel .:C1 905 525 9140x27875; fax:
la quema de combustibles fósiles y los cambios en la cobertura y el
C1 905 529 9688.
Correos electrónicos: dibikey@mcmaster.ca (YB Dibike), couliba @ uso de la tierra, están aumentando las concentraciones atmosféricas
mcmaster.ca (P. Coulibaly). de gases de efecto invernadero. Esto altera la energía

0022-1694 / $ - ver el documento preliminar q 2004 Elsevier BV Todos los derechos

reservados. doi: 10.1016 / j.jhydrol.2004.10.012
146 YB Dibike, P. Coulibaly / Diario de
equilibra y tiende a calentar la atmósfera, lo que provocará
un cambio climático. Algunos informes indican que la
temperatura media anual de la superficie global ha
aumentado entre un 0,3 y un 0,68C desde finales del siglo
XIX y se prevé que aumente aún más entre 1 y 3,5 8C
durante los próximos 100 años (IPCC, 1995). Estos cambios
en el clima global parecen afectar más severamente las
latitudes medias y altas del hemisferio norte, donde las
temperaturas se han vuelto notablemente más cálidas desde
la década de 1970 (IPCC, 2001). Estos cambios en el clima
también tendrán un impacto significativo en los regímenes
hidrológicos locales y regionales, que a su vez afectarán los
sistemas ecológicos, sociales y económicos. No obstante, se
observan diferencias sustanciales en los cambios regionales
del clima en comparación con el cambio medio global.
Los modelos climáticos globales (GCM) generalmente
utilizados para simular el clima actual y proyectar el clima futuro
con el forzamiento de los gases de efecto invernadero y los
aerosoles, generalmente dividen la atmósfera y el océano en una
cuadrícula horizontal con una resolución horizontal de 2 a 4.8
latitud y longitud, con 10 a 20 capas en la vertical. En general, la
mayoría de los GCM simulan procesos a escala global y
continental en detalle y proporcionan una representación
razonablemente precisa del clima planetario promedio. Durante
la última década, la sofisticación de tales modelos ha aumentado
y su capacidad para simular climas globales y continentales
presentes y pasados ha mejorado sustancialmente. Sin
embargo, mientras que los GCM demostraron una habilidad
significativa en las escalas continental y hemisférica e incorporan
una gran proporción de la complejidad del sistema global, son
inherentemente incapaces de representar características y
dinámicas locales a escala de subcuadrícula (Wigley y col., 1990;
Carter y col., 1994). Además, los GCM no fueron diseñados para
estudios de impacto del cambio climático y no proporcionan una
estimación directa de las respuestas hidrológicas al cambio
climático. Por lo tanto, en los estudios de impacto del cambio
climático, se necesitan modelos hidrológicos para simular
fenómenos a escala de subred. Sin embargo, tales modelos
hidrológicos requieren datos de entrada (como precipitación) a
una escala de subcuadrícula similar, que debe proporcionarse
convirtiendo los resultados de GCM en al menos una serie de
precipitaciones diarias confiable en la escala de la cuenca
seleccionada. Los métodos utilizados para convertir los
resultados de GCM en variables meteorológicas locales
requeridas para un modelado hidrológico confiable
generalmente se denominan técnicas de "reducción de escala".
Hidrología 307 (2005) 145–163
Hay varias técnicas de reducción de escala disponibles, pero
no está claro cuál proporciona las estimaciones más confiables
de las series de tiempo de precipitación diaria. Este estudio tiene
como objetivo investigar y evaluar dos de las técnicas de
reducción de escala estadística más prometedoras y
proporcionar un estudio de intercomparación utilizando una
subcuenca de la cuenca del Saguenay-Lac-Saint-Jean en el norte
de Quebec como un sitio experimental. Además de evaluar el
potencial relativo de los dos métodos de reducción de escala, el
documento también proporciona un análisis comparativo de
modelos hidrológicos conceptuales y empíricos aplicados al
estudio de impacto hidrológico.
2. Métodos estadísticos de reducción de escala
Los enfoques de "reducción de escala" espacial han surgido
recientemente como un medio para relacionar las variables
predictoras atmosféricas a gran escala con series meteorológicas
locales o de escala de estación que podrían utilizarse como
entrada para los modelos hidrológicos. Formalmente, el
concepto de clima regional condicionado por el estado de gran
escala puede escribirse como:RZFLORIDA) dónde R
representa la predicción (una variable climática local), L
es el predictor (un conjunto de variables climáticas a gran
escala), y F una función determinista / estocástica condicionada
por L y tiene que ser encontrado empíricamente a partir de
observaciones históricas. Además, se hacen las siguientes tres
suposiciones implícitas para utilizar este tipo de métodos de
reducción de escala para evaluar el cambio climático regional, (
von Storch y col., 2000): (1) los predictores son variables de
relevancia y están modelados de manera realista por el GCM; (2)
los predictores empleados representan completamente la señal
del cambio climático; y (3) la relación es válida también bajo
condiciones climáticas alteradas (lo cual puede no ser
demostrable). En los últimos años se ha desarrollado una amplia
gama de técnicas de reducción de escala empírica / estadística y
cada método generalmente se encuentra en una de las tres
categorías principales, a saber, métodos de regresión (función de
transferencia), generadores meteorológicos estocásticos y
esquemas de tipificación meteorológica. Este análisis se centra
en los dos métodos de reducción de escala más utilizados que
han sido sugeridos recientemente por el proyecto Canadian
Climate Impact Scenarios (CCIS) para los estudios de impacto del
cambio climático.
 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163
2.1. Técnicas de reducción de escala de regresión
Los métodos de reducción de escala basados en regresión
se basan en una relación cuantitativa directa entre la variable
climática de escala local (predictand) y las variables que
contienen la información climática de mayor escala (predictores)
a través de alguna forma de funciones de regresión (Wigley y
col., 1990; Karl y col., 1990). Los esquemas de reducción de escala
individuales difieren según la elección de la función de
transferencia matemática, las variables predictoras o el
procedimiento de ajuste estadístico. Hasta la fecha, la regresión
lineal y no lineal, las redes neuronales artificiales, la correlación
canónica y el análisis de componentes principales se han
utilizado para derivar predicción-predicción y relaciones (Conway
y col., 1996; Schubert y Henderson-Sellers, 1997). La principal
ventaja del método de reducción de escala basado en regresión
es la relativa facilidad de su aplicación. Sin embargo, estos
modelos a menudo explican solo una fracción de la variabilidad
climática observada (especialmente cuando el pronóstico es la
precipitación). Reducir la escala de eventos extremos futuros
utilizando modelos basados en regresión también puede ser
problemático, ya que estos fenómenos generalmente tienden a
ubicarse en los márgenes o más allá del rango del conjunto de
datos de calibración (Wilby y col., 2002).
2.2. Generadores meteorológicos estocásticos
Los generadores meteorológicos son modelos estadísticos de
secuencias observadas de variables meteorológicas. También
pueden considerarse como generadores de números aleatorios
complejos, cuya salida se asemeja a los datos meteorológicos
diarios en un lugar en particular. Hay dos tipos fundamentales
de generadores meteorológicos diarios, basados en el enfoque
para modelar la ocurrencia de precipitación diaria: el enfoque de
la cadena de Markov (Hughes y col., 1999) y el enfoque de
duración del hechizo (Wilks, 1999). En el enfoque de la cadena de
Markov, se construye un proceso aleatorio que determina un día
en una estación como lluvioso o seco, condicional al estado del
día anterior, siguiendo las probabilidades dadas. Si se determina
que un día es lluvioso, la cantidad se extrae de otra distribución
de probabilidad. En el caso del enfoque de duración de los
períodos, en lugar de simular las ocurrencias de lluvia día a día,
los modelos operan ajustando la distribución de probabilidad a
las frecuencias relativas observadas de períodos de lluvias y
períodos secos. En cualquier caso, los parámetros estadísticos
extraídos de los datos observados en estaciones particulares se
utilizan junto con algunos componentes aleatorios.
147
para generar una serie de tiempo similar de cualquier duración.
Para fines de reducción de escala, los parámetros del generador
meteorológico están condicionados a la información de cambio
climático promediada en el tiempo de los GCM. Los modelos
generadores meteorológicos resultantes se utilizan para simular
series diarias de longitudes indefinidas representativas del clima
alterado (Wilks y Wilby, 1999).
3. Área de estudio y datos utilizados
El área de estudio seleccionada en esta investigación
para la aplicación y evaluación de los métodos de
downscaling es la cuenca del Chute-du-Diable ubicada en la
cuenca del Saguenay-Lac-Saint Jean (Figura 1). Saguenay es
una conocida región propensa a las inundaciones, ya que
muchos canadienses todavía recuerdan la inundación de
este río en 1996. Hay una gran cantidad de embalses y
presas en la cuenca del Saguenay y la mayoría de los
grandes embalses son administrados por la Aluminium
Company of Canada (ALCAN) para la producción de energía
hidroeléctrica. Sin embargo, en este estudio, solo se
presentan los resultados de Chute-duDiable. Chute-du-
Diable tiene un área de 9700 km2 y está ubicado en la parte
oriental de la cuenca del Saguenay.
Además de los datos hidrometeorológicos disponibles de
Environment Canada y Environment Quebec, se recopilan y
analizan las series históricas de precipitaciones y caudales
disponibles en la red hidrometeorológica ALCAN. Los datos
diarios observados de las variables predictoras a gran escala
que representan la condición climática actual (1960-2000) se
derivan del conjunto de datos de Reanálisis de los Centros
Nacionales de Predicción Ambiental (NCEP). Los resultados
de GCM disponibles del Centro Canadiense de Modelización
y Análisis del Clima (CCCma) y de los Escenarios de Impactos
Climáticos de Canadá (CCIS) también se utilizan para la
construcción de variables meteorológicas locales diarias
correspondientes al escenario futuro.
El Centro Canadiense de Análisis y Modelización del
Clima (CCCma) proporciona datos diarios de GCM de una
serie de variables atmosféricas y de la superficie para el
período 1961-2100. Los datos se extraen de un conjunto
de tres simulaciones de 201 años con el Canadian Global
Coupled Model-1 (CGCM1) utilizando el escenario de
forzamiento 'IS92a' del IPCC en el que el cambio en el
forzamiento de gases de efecto invernadero (GEI)
corresponde al observado desde 1900 hasta 1990 y
148 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163

Fig. 1. Mapa de ubicación de la cuenca hidrográfica del Saguenay-Lac-Saint-Jean y de la subcuenca Chute-du-Diable.

aumenta a una tasa del 1% por año a partir de entonces hasta el año
2100. También se incluye el efecto directo de los aerosoles de
sulfato (A). En este conjunto de datos, todos los predictores, con
la excepción de la dirección del viento, se han normalizado con
respecto a la desviación estándar y media de 1961-1990. Estos
conjuntos de datos constan de variables predictoras a gran
escala, como se muestra entabla 1.
4. Reducción de las series cronológicas de precipitaciones y
temperaturas diarias
comunidad de estudio de impacto del cambio a través del
proyecto Canadiense de Impactos y Escenarios Climáticos (
http: // www. cics.uvic.ca/scenarios/). El primero implementa
un método basado en regresión y se conoce como modelo
estadístico de escala descendente (SDSM) (Wilby y col., 2002)
mientras que el segundo es un generador meteorológico
estocástico llamado Long Ashton Research Station Weather
Generator (LARS-WG) (Semenov y Barrow, 1997, 2002). Estas
herramientas se utilizan para reducir la escala de las salidas
de GCM para la cuenca hidrográfica de Chute-du-Diable.

Recientemente, dos herramientas estadísticas de reducción de Las precipitaciones diarias, así como los datos de temperatura
escala bien reconocidas están disponibles para el clima en general. máxima y mínima diaria se eligieron como predicción y
 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163 149

tabla 1 la década de 2050 (2040–2069) y la de 2080 (2070–2099) para

Variables predictoras a gran escala obtenidas de las salidas de GCM
ayudar en el análisis de tendencias.
Variable diaria Descripción

temperatura Temperatura media

4.1. Calibración y validación de SDSM
mslp Presión media al nivel del mar 500 hPa
p500 altura geopotencial 850 hPa altura 4.1.1. Identificación de predictores
p850 geopotencial Humedad relativa cerca de la
En SDSM, la tarea de cribar los más relevantes
ron superficie Humedad específica cerca de la
vaticinador variables se logra con análisis de
shum superficie Humedad específica a 500 hPa de
s500 altura Humedad específica a 850 hPa de
correlación lineal y diagramas de dispersión (entre
s850 altura Velocidad de flujo de aire geostrófico los predictores y el predecir variables). Los datos
* * _f diarios observados de las variables predictoras a gran
* * _z Vorticidad escala que representan la condición climática actual
* * _u Componente de velocidad zonal
(1960-2000) derivados del conjunto de datos de
* * _v Componente de velocidad meridional
* * th Dirección del viento
reanálisis del NCEP se utilizan para investigar el
**Zh Divergencia porcentaje de varianza explicado por cada par de
predictores y predictores. En general, la correlación
* * indica p_, p5 o p8 que representan los valores de las variables cerca
superficie, a 500 hPa de altura o 850 hPa de altura, respectivamente.
entre las variables predictoras y cada predicción es
Todos los predictores, con la excepción de la dirección del viento, se muy baja en el caso de precipitación diaria en
han normalizado con respecto a la desviación estándar y media de comparación con la temperatura máxima y mínima
1961-1990. diaria. Además, la fuerza de los predictores
individuales varía mes a mes. Por lo tanto, la
variables para los experimentos de reducción de escala. Dos
combinación de predictores más apropiada debe
estaciones meteorológicas (ID de estación 7061560 y
elegirse observando el resultado del análisis de los
7061541), que se encuentran dentro de esta subcuenca y
doce meses. Sin embargo, la elección final se hace
ubicadas en Chute-du-Diable y Chute-des-Passes, y cada una con considerando si las variables y relaciones
40 años de registros de precipitación y temperatura que identificadas son físicamente sensibles para el
representan el clima actual (1961-2000), fueron identi fi cados experimento y el sitio de estudio en particular.Tabla 2
para la reducción de escala. experimentos. Los datos diarios . El resultado muestra que se necesita casi el mismo
observados de las variables predictoras a gran escala que conjunto de predictores a gran escala para predecir
representan la condición climática actual se derivan del conjunto la variable y predicción local tanto en Chute-duDiable
de datos de reanálisis del NCEP. Las variables climáticas (estación # 7061560) como en Chute-des-Passes
correspondientes al escenario de cambio climático futuro para el (estación # 7061541).
área de estudio se extraen de la salida del Modelo Climático
Global Canadiense (CGCM1) en un punto de cuadrícula más 4.1.2. Resultados de la validación de SDSM
cercano al área de estudio (508N, 718W). Los datos se extraen A partir de los 40 años de datos que representan el Actual
para tres períodos distintos, a saber, la década de 2020 (que clima, los primeros 30 años (1961-1990) se consideran
cubre un período de 30 años entre 2010 y 2039), para calibrar los modelos de regresión, mientras que

Tabla 2
Resumen de las variables predictoras seleccionadas a gran escala correspondientes a cada uno de los predictandos (la descripción de las variables es idéntica a tabla 1)

Predice Precipitación Max. Temperatura. Min. Temperatura.

Estación 1560 Estación 1541 Estación 1560 Estación 1541 Estación 1560 Estación 1541

Predictores p__v p__v p__v p__v p__v p__z

p8_v p8_v p500 p500 p500 p500
p8zh p8zh s500 s500 p__z s500
s500 s500 s850 s850 s850 s850
temperatura temperatura shum shum shum shum
temperatura temperatura temperatura temperatura
150 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163
Fig. 2. Resultados de la validación de la regresión SDSM de reducción de la precipitación diaria en Chute-du-Diable.
Los diez años restantes de datos (1991-2000) se utilizan para validar
esos modelos. Algunos de los parámetros de configuración de SDSM
paraumbral de evento, corrección de sesgo y
varianza in fl ación se ajustaron durante la calibración para
obtener la mejor concordancia estadística entre las variables
climáticas observadas y simuladas. Durante la calibración de los
modelos de reducción de escala de la precipitación, además de la
precipitación media diaria y la variabilidad de la precipitación
diaria para cada mes, las duraciones medias mensuales de los
períodos secos y húmedos constituyeron los criterios de
desempeño.Figura 2 muestra el desempeño de los modelos
durante los períodos de validación. Los gráficos muestran una
buena concordancia entre los resultados observados y simulados
para los casos de precipitación media diaria, variabilidad de la
precipitación diaria y duración media mensual de la racha seca.
Sin embargo, las duraciones medias mensuales de las rachas
húmedas se subestimaron sistemáticamente. Fue muy difícil
mejorar este resultado ya que cualquier intento de aumentar la
duración del período húmedo a partir de la salida del modelo
afecta automáticamente a las otras variables que originalmente
estaban bien calibradas.
Para los casos de Tmax y Tmin, las medias y varianzas de
estas variables correspondientes a cada mes fueron
considerados como criterios de desempeño. Fig. 3 ilustra
el rendimiento de validación del modelo de reducción de escala
para cada variable. Los resultados muestran una concordancia
satisfactoria entre los datos observados y los resultados de la
simulación del modelo de reducción de escala.
4.2. Calibración y validación de LARS-WG
Al utilizar LARS-WG, la calibración del modelo consiste en
calcular los parámetros estadísticos relevantes para cada
variable meteorológica a partir de los datos históricos
observados. Estos parámetros, o los que una vez se modi fi
caron en función del escenario futuro de cambio climático,
se utilizan para generar estocásticamente datos climáticos
realistas correspondientes al escenario climático presente o
futuro, respectivamente. Para el primer conjunto de
experimentos, se utilizó la media de la precipitación diaria
observada, así como las temperaturas máximas y mínimas
diarias en Chute-duDiable para el período 1960-2000 para
extraer los parámetros estadísticos del clima actual. Para la
precipitación, estos parámetros consisten en intervalos de
histogramas mensuales y la frecuencia de eventos en cada
intervalo para la duración de los períodos secos y húmedos,
así como las cantidades de precipitación. Por otro lado,
 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163
Fig. 3. Resultados de la validación de la regresión SDSM reduciendo la escala de las temperaturas máximas y mínimas diarias en Chute-du-Diable.
que se puede construir con parámetros como el valor medio, la
amplitud de las curvas seno y coseno y el ángulo de fase. Tanto
las temperaturas máximas como las mínimas se modelan con
mayor precisión al considerar los días húmedos y secos por
separado; por lo tanto, los parámetros de temperatura para días
húmedos y secos se derivan por separado. El generador
meteorológico también utiliza parámetros correspondientes a
los valores de autocorrelación promedio para la temperatura
mínima y máxima derivados de los datos meteorológicos
observados. Una vez que los datos meteorológicos observados
se analizan de esta manera, los parámetros estadísticos
derivados se utilizan para generar datos meteorológicos
sintéticos que representan el clima actual. Para obtener una
estadística representativa de los datos sintéticos, se generó un
dato de 300 años para cada variable climática considerada.
Finalmente, Se realizan pruebas estadísticas para ver si los datos
generados por el generador meteorológico provienen de la
misma población que las observadas. En general, los resultados
de las pruebas fueron satisfactorios y algunos de estos
resultados se muestran enFigura 4. Además de la muy buena
concordancia entre los datos observados y generados para la
media mensual y la variabilidad de cada variable climática, la
prueba de bondad de ajuste de chi-cuadrado para el
151
La duración media estacional de las rachas húmedas y secas
resultó en valores de confianza de cada uno por encima del
90%. Esto indica que el generador de clima estocástico es
capaz de generar datos sintéticos con propiedades
estadísticas bastante similares a las variables climáticas
regionales observadas, a saber, precipitación diaria así como
temperatura mínima y máxima diaria.
4.3. Comparación de las estadísticas de validación del
modelo de reducción de escala
Los residuos en el período de validación (la diferencia
entre los valores observados y reducidos tanto por SDSM
como por LARS-WG) para las tres variables
meteorológicas se proporcionan en Tabla 3. Los valores
de la tabla muestran que, tanto el SDSM como el LARS-
WG simulan razonablemente bien la precipitación media
diaria y no hay mucha diferencia en su rendimiento. Sin
embargo, LARS-WG reproduce mejor la duración de los
períodos de lluvia y de sequía que la de SDSM, mientras
que el SDSM ha subestimado constantemente la
duración de los períodos de lluvias a lo largo del año. Al
reducir la temperatura máxima y mínima, el rendimiento
de ambos modelos es muy bueno.
152 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163

Fig. 4. Comparación de datos observados y sintéticos con LARS-WG para precipitación, Tmax y Tmin del clima actual en Chute-du-Diable.

Sin embargo, SDSM sobreestima ligeramente las
temperaturas durante la mayoría de los meses del año,
mientras que LARS-WG sobreestima ligeramente durante
algunos meses y subestima los meses restantes del año. El
análisis estacional de los datos observados y reducidos para
el período de validación de 10 años también se presenta en
Cuadro 4. La tabla presenta el error absoluto medio (MAE)
entre los valores estacionales acumulados de los datos
observados y reducidos para el caso de la precipitación y el
MAE entre los valores estacionales promedio de los datos
observados y reducidos para el caso de las temperaturas
máxima y mínima. Una vez más, el rendimiento del modelo
presentado en la tabla muestra que los errores de validación
están dentro de rangos aceptables y que tanto SDSM como
LARS-WG parecen funcionar muy bien.
4.4. Reducción de las variables climáticas correspondientes al
escenario futuro de cambio climático
4.4.1. Reducción de escala con SDSM
Una vez que los modelos de reducción de escala se han
configurado y validado, el siguiente paso es utilizar estos
modelos para reducir la escala del escenario de cambio climático
futuro simulado por GCM. Esto significa que las variables
predictoras a gran escala que se utilizarán como entrada para el
modelo de reducción de escala se derivan de la salida de la
simulación de GCM. Como se explicó anteriormente en la Sección
4, los resultados del Modelo canadiense acoplado global-1
(CGCM1) proporcionaron los predictores utilizados en este
estudio. La reducción de la precipitación y la temperatura se
realiza para cada uno de los cuatro períodos, a saber, la
 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163 153

Tabla 3
Residuos entre valores observados y simulados para el período de validación

Precipitación media diaria Duración media del período húmedo Duración media de la racha seca Media diaria Tmax (8C) Media diaria Tmin (8C)
(mm) (dias) (dias)

SDSM LARS SDSM LARS SDSM LARS SDSM LARS SDSM LARS

enero K0,29 K0,14 K1,26 0,02 0,33 K0,03 0,8 0,5 0,3 K0,2
febrero 0,24 K0,07 K0,70 K0,02 0,12 K0,12 0,2 K0,1 K0,2 K0,3
marcha K0,23 K0,05 K0,69 0,00 0,45 K0,05 0.4 K0,3 0,1 0,1
abril K0,33 K0,10 K0,42 0,07 0,22 K0,05 0,6 0,1 0,8 K0,6
Mayo 0,26 K0,14 K0,72 0,02 K0,74 K0,01 K0,6 K0.4 0,1 0,1
junio 0,15 0,10 K0,82 0,06 K0,09 K0,01 0.4 K0,3 0,6 K0,1
mes de julio K0,16 0,09 K0,90 0,11 K0,07 K0,03 0,6 0,1 0,7 0
agosto 0,03 0,01 K0,66 0,05 K0,12 0,02 0.4 K0,6 0,9 K0.4
septiembre K0,86 K0,07 K1,00 K0,01 0,32 K0,04 0,2 K0,1 0,9 0,2
octubre K0,05 K0,15 K0,57 0,04 0,20 0,03 0.4 0,2 0,9 0,1
noviembre 0,06 K0,10 K0,35 K0,05 K0,47 K0,06 0.4 K0,3 0,9 K0,9
diciembre 0,14 K0,14 K0,87 K0,11 K0,05 K0,09 0.0 0,6 K0,8 0,8

(1961-2000), la década de 2020 (2010-2039), la década de 2050
(2040-2069) y la década de 2080 (2070-2099), utilizando los
modelos de regresión calibrados. Las estadísticas mensuales de
los resultados de reducción de escala para la precipitación diaria,
así como la temperatura máxima y mínima diaria para los
diferentes períodos, se resumen y se grafican en
Higos. 5 y 6. Figura 5 muestra una tendencia creciente tanto en la
precipitación media diaria como en la variabilidad de la
precipitación, especialmente en primavera y verano, sin cambios
significativos en los períodos de otoño e invierno. Las parcelas
también muestran una tendencia creciente para la duración
promedio de la racha húmeda y una tendencia decreciente en la
duración media de la racha seca en los meses de invierno,
mientras que los valores para el resto de los años no mostraron
cambios significativos. Al mismo tiempo,Figura 6
muestran una tendencia creciente constante tanto en el Tmax
y Tmin valores para todos los meses del año. Entre el período
actual y el de la década de 2080, hay en promedio
un aumento en Tmax por aproximadamente 4,7 8C con un aumento
4.4.2. Reducción de escala con LARS-WG
Para generar datos diarios de precipitación y temperatura
correspondientes a escenarios futuros utilizando LARSWG, el
análisis del sitio se realiza utilizando los datos GCM diarios tanto
para la línea de base (actual) como para los períodos de tiempo
futuros. Para incorporar el cambio en el clima, es necesario
calcular el cambio relativo en la precipitación media mensual y
las longitudes de las series húmedas y secas medias mensuales a
partir de la salida de MCG de la línea de base y el período de
tiempo futuro. De manera similar, el cambio relativo en la
temperatura media y su desviación estándar para cada mes se
calcula a partir de los resultados de GCM. Todos estos valores se
calculan a partir de los archivos de parámetros generados
durante el análisis del sitio de las correspondientes variables
climáticas (salidas de GCM) para la línea de base y los períodos
de tiempo futuros. Esta información se utiliza luego para
Cuadro 4
Modelos de reducción de escala resultados de validación en términos de media absoluta

ligeramente mayor en invierno y primavera que en verano error (MAE)

y otoño. En el mismo período, hay un promedio Predecir Estaciones

aumento en Tmin valores en aproximadamente 4,2 8C una vez tands
más con un aumento ligeramente mayor en invierno y primavera Modelos Invierno Primavera Verano Otoño

que en verano y otoño. Figura 6 también muestra un PAG (mm) SDSM 15,4 26,7 15,9 18.0
tendencia general creciente en la variabilidad de Tmax LARS 5.3 18,6 32,7 8.2
valores mientras que el Tmin Los valores muestran una tendencia de Tmax SDSM 0,5 0,2 0.4 0,1
(8C) LARS 0,6 0.4 0,5 0,7
variabilidad decreciente para el invierno y la primavera, mientras que
Tmin SDSM 0,5 0,5 0,8 0,9
la variabilidad en verano y otoño sigue siendo más o
(8C) LARS 0,1 0,3 0,1 0,7
menos la misma.
154 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163

Fig. 5. Tendencia general de la precipitación en Chute-du-Diable correspondiente a un escenario de cambio climático reducido con SDSM.

Fig. 6. Tendencia general de la temperatura en Chute-du-Diable correspondiente a un escenario de cambio climático reducido con SDSM.
 YB Dibike, P. Coulibaly / Revista
Construya el archivo de escenario de cambio climático que
LARS-WG utiliza para determinar cómo se deben perturbar
los valores de los parámetros del generador meteorológico
(obtenidos de los datos de precipitación y temperatura
observados) para generar un escenario climático regional.
Eso significa que los cambios relativos observados en las
salidas de GCM son los forzamientos a LARS-WG en función
de los cuales genera los datos meteorológicos diarios que
representan el clima futuro en el sitio en particular.
Se preparan archivos de escenarios que representan cambios
relativos (con respecto a la actual) en los diferentes parámetros
estadísticos para cada período, es decir, las décadas de 2020,
2050 y 2080 a partir de los resultados del GCM. Figura 7 muestra
algunos de los resultados de este experimento que indica una
clara tendencia creciente en la temperatura media mensual para
escenarios climáticos futuros. Habrá un aumento promedio en la
temperatura media entre el clima actual y el clima de la década
de 2080 en el área de estudio en aproximadamente 2.58C. Esto
implica un aumento correspondiente tanto en el máximo diario
(Tmáx.) y mínimo diario (Tmin) valores. También parece
haber una tendencia general a la baja en
variabilidad de temperatura especialmente entre los meses
de diciembre y abril sin cambios signi fi cativos para los otros
meses excepto noviembre donde hay un aumento signi fi
cativo en la variabilidad de temperatura. Sin embargo, estas
tendencias no son obvias para el caso de las precipitaciones
medias mensuales y las duraciones medias mensuales de las
rachas húmedas y secas. El resultado global parece sugerir
la posibilidad de que no se produzcan cambios significativos
en la precipitación media diaria y su variabilidad en la región
correspondiente al escenario considerado en este estudio.
4.4.3. Resultados comparativos de reducción de escala
Los resultados de los dos modelos de reducción de escala
presentados en Higos. 6 y 7no son idénticos. Si bien los
resultados de SDSM sugieren una tendencia generalmente
creciente en la precipitación media diaria y su variabilidad, tal
tendencia no fue obvia a partir de los resultados de LARS-WG. De
manera similar, los resultados de LARS-WG no muestran una
tendencia creciente ni decreciente en la duración promedio de
los períodos de lluvia y sequía, mientras que tal tendencia fue
clara en los resultados de SDSM. Sin embargo, los resultados de
ambos modelos muestran una tendencia general creciente en los
valores medios de temperatura. Sin embargo, mientras que
SDSM predijo un aumento promedio en la temperatura media de
aproximadamente
of Hydrology 307 (2005) 145–163 155
4.5 8C entre el clima actual y el de la década de 2080, LARS-
WG predijo un aumento de la temperatura media de solo 2,5
8C para el mismo período de tiempo. No está claro en este
momento cuál de los dos conjuntos de resultados debe
considerarse más confiable. Sin embargo, no es muy difícil
identificar la razón por la cual estos dos métodos de
reducción de escala no dan un resultado idéntico. Mientras
que el SDSM utiliza cualquier variable climática (predictor)
relevante a gran escala de las salidas de GCM como entrada
para estimar la predicción a escala local correspondiente,
LARS-WG usa el cambio relativo en las salidas de GCM de
solo aquellas variables que corresponden directamente a las
predicciones y a las variables, produciendo por tanto
resultados diferentes.
5. Impacto hidrológico del cambio climático
Se consideran dos conjuntos de impactos
hidrológicos correspondientes al escenario de
cambio climático descrito en la Sección 3. El primer
impacto considerado es sobre los flujos diarios
totales al embalse Chute-du-Diable ubicado en el río
Peribonka, mientras que el segundo impacto se
refiere al flujo diario del río Serpent ubicado en la
parte noroeste de la cuenca Chutedu-Diable. Chute-
du-Diable es uno de los grandes embalses de la
región operados por ALCAN para la producción
hidroeléctrica. En general, la capacidad de
generación de energía de la estación es proporcional
a la cantidad de agua disponible en el embalse que a
su vez es proporcional a la tasa de flujo de entrada
del embalse desde la cuenca de captación
circundante. Por lo tanto,
Los impactos hidrológicos del cambio climático
generalmente se analizan utilizando modelos
hidrológicos conceptuales y / o basados en la física. Dos
sistemas de modelado hidrológico conceptual, a saber,
el sueco HBV-96 (Bergström y Forsman, 1973) y el
CEQUEAU canadiense (Morin y col., 1983) se han
empleado en este estudio. El VHB es un sistema
integrado de modelado hidrológico desarrollado en el
Instituto Meteorológico e Hidrológico Sueco, y se ha
aplicado a una amplia gama de aplicaciones que incluyen
156 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163

Fig. 7. Tendencia general de la precipitación media diaria y la temperatura en Chute-du-Diable correspondiente a un escenario de cambio climático reducido
con LARS-WG.

análisis de inundaciones extremas, efectos del cambio de uso de la
tierra y efectos del cambio climático (Lidén, 2000). Puede describirse
mejor como un modelo conceptual semidistribuido. Tiene una rutina
de acumulación y deshielo de nieve basada en una relación grado-día
con una corrección de temperatura por altitud. La rutina de
contabilidad de la humedad del suelo tiene en cuenta la capacidad del
campo del suelo y el cambio en el almacenamiento de la humedad del
suelo debido a la lluvia / nieve derretida y la evapotranspiración,
mientras que la rutina de generación de escorrentía transforma el
agua de la zona de humedad del suelo en escorrentía. Los parámetros
del modelo están determinados
a través de un proceso de calibración, donde los parámetros
se ajustan hasta que la escorrentía simulada y observada
muestra una buena concordancia. El modelo calibrado se
puede utilizar como herramienta de simulación en
numerosas aplicaciones. Puede encontrar una descripción
más detallada del HBV-96 enhttp: //www.indic-airviro.
smhi.se/HBV/
CEQUEAU es también un modelo hidrológico
distribuido, que toma en cuenta las características físicas
de la cuenca al subdividirla en áreas representativas
elementales (ERA), también llamadas cuadrados enteros,
 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163
que se supone que tienen características homogéneas (Morin y
col., 1983). Es un modelo conceptual de tipo balance hídrico con
parámetros distribuidos. Las ERA se dividen aún más de acuerdo
con las divisiones de las subcuencas, lo que permite seguir la
formación y evolución del flujo de la corriente en el tiempo y
para el enrutamiento adecuado de la escorrentía. Además de los
datos fisiográficos, el modelo requiere entradas meteorológicas
(precipitación diaria sólida y líquida, así como temperatura del
aire máxima y mínima diaria). Los cálculos se realizan para
cuantificar el movimiento vertical del agua a través de la
denominada función de producción, mientras que el
enrutamiento (o advección) del agua aguas abajo se calcula con
una función de transferencia. La función de producción está
modelada por una serie de reservorios interconectados que
representan el suelo (Figura 8). Las transferencias de masa se
representan mediante ecuaciones matemáticas para simular los
diferentes componentes del balance hídrico hidrológico
(formación y deshielo de la capa de nieve, evapotranspiración,
agua en
Fig. 8. Esquematización del modelo hidrológico CEQUEAU.
157
la zona insaturada, agua en la zona saturada y lagos y
marismas).
En general, los pasos necesarios para utilizar estos modelos en el
estudio del impacto hidrológico del cambio climático se pueden
describir de la siguiente manera:
- Configuración y calibración (y verificación) de un
modelo con datos de precipitación, temperatura,
evapotranspiración potencial, flujo de corriente y flujo
de entrada de embalse que representan el clima
actual (1961-2000).
- Simulación del flujo de la corriente y del flujo de entrada del
embalse correspondiente a los escenarios futuros de cambio
climático basado en datos de precipitación futura reducidos
junto con la temperatura futura estimada y la entrada de
evapotranspiración.
- Análisis del flujo de corriente simulado y los flujos de
entrada del embalse correspondientes a los diferentes
períodos de tiempo (2020, 2050, 2080) y ver si hay
158 YB Dibike, P. Coulibaly / Revista
será una tendencia significativa en el caudal anual de los arroyos y
el volumen del caudal de entrada del embalse, así como en la
magnitud y frecuencia de los caudales altos y bajos.
5.1. Resultados de la calibración y la validación del modelo
Se han realizado dos conjuntos de experimentos de
modelado, el primero es para la simulación del flujo de entrada
diario del embalse en Chute-du-Diable, mientras que el segundo
es la simulación del flujo del arroyo en el río Serpiente. Se
observaron datos de precipitación y temperatura de las dos
estaciones meteorológicas que se utilizaron en el ejercicio de
reducción de escala. (Sección 4), a saber, Chute-du-Diable
(estación 7061560) y Chute Des Passes (estación
7061541), se utilizan una vez más para la calibración y validación
de los modelos HBV y CEQUEAU. En el caso del modelado del
flujo de entrada del yacimiento, la salida requerida del modelo es
el flujo de entrada diario desde la cuenca al yacimiento Chute-Du-
Diable. Estos valores diarios de flujo de entrada del reservorio se
estiman utilizando el método de balance hídrico (ALCAN, 1982)
con alguna corrección para evitar valores negativos que puedan
resultar del cálculo. En el caso del modelado de flujo de arroyos,
la salida requerida es la descarga diaria media del río Serpent (en
la estación 062214). Se utilizan conjuntos de datos similares para
modelar tanto el flujo de entrada del embalse como el flujo del
río con los dos modelos hidrológicos. Sin embargo, estar en
Fig. 9. Resultados de la validación de los modelos HBV y CEQUEAU para la simulación del flujo de entrada del yacimiento.
of Hydrology 307 (2005) 145–163
En una subcuenca, el río Serpent tiene un área de drenaje más
pequeña y, por lo tanto, los datos de precipitación y temperatura solo
de la estación más cercana (Chute-des-Passes) se utilizan como
entrada durante la simulación de flujo.
Los datos históricos en ambos casos se dividen en dos
para la calibración y validación de los modelos. Para el
modelado del flujo de entrada del yacimiento, se utilizan 30
años de datos históricos que cubren el período de 1961 a
1990 para la calibración del modelo, mientras que los
siguientes 10 años de datos, de 1991 a 2000, se utilizan para
la validación del modelo. Debido a los datos limitados de
flujo de corriente disponibles para Serpent River, los datos
de flujo de corriente diario entre 1991 y 1998 se utilizan para
la calibración y los datos restantes entre 1999 y 2002 se
utilizan para la validación del modelo. Estos conjuntos de
datos asociados con los períodos de calibración y validación
reflejan la condición climática actual en la región.
El rendimiento del modelo mejor calibrado del conjunto de
datos de validación se presenta en Higos. 9 y 10. Las diferentes
medidas de rendimiento (valores de error de raíz cuadrada
media (RMSE), coeficiente de determinación y coeficientes de
correlación (r)) entre los resultados del modelo y los datos
observados se resumen mejor enMesa5. Los resultados de la
validación del modelo presentados enHigos. 9 y 10
así como en Cuadro 5 muestran que los modelos HBV
y CEQUEAU dieron resultados buenos y comparables
tanto en las simulaciones de flujo de entrada de
embalse como de flujo de río.
 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163 159

Fig. 10. Resultados de la validación de los modelos HBV y CEQUEAU para la simulación del fl ujo del río Serpent.

Los caudales máximos de primavera y verano, así como los caudales bajos
de invierno, son muy buenos y pueden utilizarse razonablemente para el
estudio de impacto hidrológico en la región.
5.2. Simulación del modelo correspondiente al escenario futuro
de cambio climático
Después de calibrar los modelos hidrológicos con el registro
histórico, el siguiente paso en la investigación es simular los
flujos correspondientes a las condiciones climáticas futuras
mediante el uso de los datos de precipitación reducidos
correspondientes al escenario identificado en la Sección
3. Esto ayudará a identificar cualquier tendencia específica en los
flujos medios, máximos y bajos en el río Serpent y los flujos de
entrada del embalse de Chute-du-Diable correspondientes a los
diferentes horizontes de tiempo futuros considerados. La
simulación de fl ujo futuro se realiza con modelos hidrológicos
de HBV y CEQUEAU con los datos de temperatura y precipitación
a escala reducida obtenidos de SDSM y LARS-WG. Estos
resultados de simulación son
presentado en Higos. 11 y 12y también se resumen
en Tabla 6.
Higos. 11 y 12muestran la comparación del cambio simulado
en los flujos de entrada promedio mensuales, máximos y bajos
del embalse y los flujos del río serpiente, respectivamente,
correspondientes a los datos de precipitación y temperatura
reducidos a escala del clima actual (1961-2000) y futuro
(2070-2100). Todas las combinaciones posibles de los dos
modelos de reducción de escala y los dos modelos hidrológicos
muestran un efecto de deshielo de la nieve primaveral más
temprano que se refleja en el aumento del flujo medio y máximo
en abril y mayo y una disminución correspondiente en junio
asociada con el cambio en la temporada de flujo máximo de
primavera. . Todas las simulaciones también mostraron un
aumento en los caudales bajos de invierno, especialmente en los
meses de noviembre y diciembre, mientras que algunas
simulaciones muestran una disminución en los caudales bajos en
el verano y principios del otoño. Sin embargo, mientras que los
modelos simulados basados en los datos reducidos de SDSM
dieron como resultado un aumento en la media anual

Cuadro 5
Comportamiento comparativo de los modelos HBV y CEQUEAU para el periodos de validación

Cuenca del río Captación RMSE R2 r

área en km2
HBV-96 CEQUEAU HBV-96 CEQUEAU HBV-96 CEQUEAU

Serpiente 1760 17,5 22,5 0,84 0,77 0,93 0,92

Chute-Du- 9700 100,9 58,6 0,80 0,93 0,90 0,96
Diable
160 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163

Fig. 11. Comparación del cambio simulado en las entradas medias mensuales, máximas y bajas del embalse correspondientes a los datos de
precipitación y temperatura reducidos del clima actual (1961-2000) y futuro (2070-2100).

de aproximadamente un 7,9 a un 39% durante el período comprendido 17,3% durante el mismo período. También se puede ver
entre la década actual y la década de 2080, los simulados basados en los desdeTabla 6 que si bien la simulación del VHB resultó en un
datos reducidos de LARS-WG dieron como resultado una disminución en el mayor aumento en el flujo anual medio correspondiente a
flujo anual medio de aproximadamente 6,4 a SDSM y una disminución menor con respecto a
 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163 161

Fig. 12. Comparación del cambio simulado en los caudales promedio, máximos y bajos mensuales promedio en Serpent River correspondientes a los datos de
precipitación y temperatura reducidos del clima actual (1961–2000) y futuro (2070–2100).

LARS-WG, la simulación CEQUEAU resultó en un menor
aumento correspondiente a SDSM y una mayor disminución
correspondiente a LARS-WG. Además, mientras que los
cambios en los flujos máximos correspondientes a la
simulación SDSM son de aproximadamente un mes, los
correspondiente a LARS-WG parece ser de unos dos meses.
Los cambios simulados en el flujo de la corriente y el flujo de
entrada del embalse también mostraron un patrón similar,
aunque con diferente magnitud como resultado de
diferentes áreas de captación.
162 YB Dibike, P. Coulibaly / Journal of Hydrology 307 (2005) 145–163

Tabla 6
Cambios simulados en el caudal medio del río y el caudal de entrada del embalse correspondientes a diferentes combinaciones de modelos hidrológicos y de reducción de escala en
los diferentes períodos de tiempo futuros

Hidrológico río Aumento / disminución promedio (%)

modelo
SDSM LARS

2020 2050 2080 2020 2050 2080

HBV-96 Serpiente 12,4 28,2 39,1 K4.9 K4.1 K6.4

Chute Du Diable 11,4 22,9 39,2 0,2 K2.6 K8.4
CEQUEAU Serpiente 5.3 12,4 16,1 K4,7 K9.4 K15,3
Chute Du Diable 0,8 4,7 7.4 K3,7 K8,6 K17.3

6. Conclusiones Dado que el objetivo final es investigar el posible

impacto del cambio climático en el régimen hidrológico
El objetivo de este estudio es la reducción de gran tamaño de la cuenca, se realizaron dos conjuntos de
escalar las variables atmosféricas de las salidas de GCM a experimentos de modelado hidrológico utilizando dos
variables climáticas a escala regional y local con el fin de modelos hidrológicos, a saber, HBV y CEQUEAU. El
investigar el impacto hidrológico del escenario de cambio primer experimento de modelado fue la simulación del
climático futuro. La reducción a escala es necesaria ya que los flujo de entrada diario del embalse y el segundo fue la
modelos hidrológicos que se utilizan normalmente para los simulación del flujo diario del río en la subcuenca de
estudios de impacto requieren series de tiempo meteorológicas Chute-du-Diable. Los datos de precipitación y
locales, que sean compatibles con el tamaño de la cuenca. En los temperatura correspondientes al escenario de cambio
experimentos de reducción de escala se utilizan dos conjuntos de climático 'business as usual' y reducidos con SDSM y
series de tiempo de precipitación y temperatura de la cuenca de
LARS-WG se utilizan como entrada para los modelos
captación de Chute-du-Diable (una subcuenca de la cuenca de
hidrológicos. Las diferencias en los datos reducidos a
Saguenay). Se aplican dos técnicas de reducción de escala, a
escala con SDSM y LARS-WG parecen reflejarse en el
saber, la técnica de reducción de escala de regresión y el método
impacto hidrológico que produce en el caudal del río y el
de generación de clima estocástico.
caudal de entrada del embalse. En general, El análisis de
En general, tanto el SDSM como el LARS-WG se
impacto hidrológico muestra una tendencia general
aproximan razonablemente bien a los datos
creciente en el caudal medio anual del río y el caudal de
climáticos observados correspondientes al estado
entrada del embalse correspondiente a los datos de
actual, excepto que el SDSM subestimó la duración
entrada de escala descendente con SDSM, mientras que
media de la racha húmeda durante la mayor parte de
muestra una tendencia descendente correspondiente a
los meses del año. Sin embargo, el análisis de los
los datos de entrada de escala descendente con LARS-
datos climáticos reducidos de los dos modelos no
WG. Esta es una clara indicación de cómo el resultado de
conduce a conclusiones idénticas. Aunque ambos
un estudio de impacto hidrológico (o cualquier otro
modelos indican una tendencia creciente en la
temperatura media diaria, SDSM resultó en un estudio de impacto basado en datos reducidos) puede
aumento relativamente mayor que el de LARS-WG. verse afectado por la elección de una técnica de
Además, la salida de SDSM muestra una tendencia reducción de escala particular y una combinación de
creciente en la precipitación diaria y su variabilidad, modelo hidrológico sobre la otra. No obstante, ambos
mientras que los resultados de LARS-WG no métodos de reducción de escala dieron como resultado
muestran ninguna tendencia obvia tanto en la un aumento en el flujo bajo durante los meses de
precipitación diaria como en su variabilidad. No está invierno, lo que es consistente con el aumento general
claro en este momento cuál de los dos resultados de la temperatura invernal y su efecto en la reducción de
debería considerarse más fiable. Sin emabargo, la congelación. Además,
 YB Dibike, P. Coulibaly / Revista
Agradecimientos
Este trabajo fue posible gracias a una subvención
del Fondo Canadiense de Acción contra el Cambio
Climático, Environment Canada, y una subvención del
Consejo de Investigación de Ciencias Naturales e
Ingeniería de Canadá al segundo autor. Los autores
agradecen las contribuciones de Bruno Larouche
(P.Eng., ALCAN Company) y Xiaogang Shi (MSc,
McMaster University) en el modelado de la cuenca del
Chute-du-Diable con modelos hidrológicos CEQUEAU
y HBV-96, respectivamente.
Referencias
Bergström, S., Forsman, A., 1973.: Development of a con-
modelo ceptual determinista lluvia-escorrentía. Hidrología nórdica
4, 147-170.
Carter, TR, Parry, ML, Harasawa, H., Nishioka, S., 1994. IPCC
Directrices técnicas para evaluar los impactos y las adaptaciones
del cambio climático. University College / Center for Global
Environmental Research, Londres, Reino Unido / Tsukuba, Japón. 59
págs. Conway, D., Wilby, RL, Jones, PD, 1996. Precipitación y aire
índices de fl ujo en las Islas Británicas. Climate Research 7, 169-183.
Hughes, JP, Guttorpi, P., Charles, SP, 1999. Una no homogénea
modelo de Markov oculto para la ocurrencia de precipitación.
Estadísticas aplicadas 48, 15-30.
IPCC, 1995. en: Watson, RT, Zinyowera, MC, Moss, RH (Eds.),
Impactos, adaptaciones y mitigación del cambio climático: análisis
científico-técnico. Cambridge University Press, Reino Unido p. 878.
IPCC, 2001. en: Watson, RT, Zinyowera, MC, Moss, RH,
Dokken, DJ (Eds.), Informe especial sobre los impactos regionales del
cambio climático, Una evaluación de la vulnerabilidad. Cambridge
University Press, Reino Unido.
Karl, TR, Wang, WC, Schlesinger, ME, Knight, RW,
Portman, D., 1990.: Un método para relacionar el clima simulado del
modelo de circulación general con el clima local observado. Parte I:
estadísticas estacionales. Journal of Climate 3, 1053–1079.
of Hydrology 307 (2005) 145–163 163
Lidén, R., 2000. Modelos conceptuales de escorrentía para el transporte de materiales
estimaciones. Tesis doctoral, Departamento de Ingeniería de
Recursos Hídricos, Instituto de Tecnología de Lund, Universidad
de Lund, Informe No 1028, Lund, Suecia, 88 págs.Capéndices.
Morin, G., Cluis, D., Couillard, D., Jones, G., Gauthier, JM, 1983.
Modélisation de la température de l'eau à l'aide du modèle
quantité-qualité CEQUEAU. Informe científico 153, INRS-Eau,
Sainte-Foy, Quebec, Canadá.
Schubert, S., Henderson-Sellers, A., 1997. Un modelo estadístico para
temperaturas extremas diarias locales a escala inferior de los patrones
de circulación atmosférica a escala sinóptica en la región australiana.
Climate Dynamics 13, 223-234.
Semenov, MA, Barrow, EM, 1997. Uso del clima estocástico
generador en el desarrollo de escenarios de cambio climático.
Cambio climático 35, 397–414.
Semenov, MA, Barrow, EM, 2002. LARS-WG: un estocástico
generador meteorológico para uso en estudios de impacto climático, versión 3.0,
manual de usuario.
Societe d'electrolyse et de chimie Alcan Ltee (ALCAN), 1982.
Rapport Technique Final du Projet: Nouvelle Technologie Pour
Accroitre la Puissance Generee Par Un Systeme Hydroelectrique
Complexe Deja Existant. Energie electrique Quebec. Jonquiere
Quebec.
von Storch, H., Hewitson, B., Mearns, L., 2000. Revisión de
técnicas empíricas de reducción de escala. En: Desarrollo climático
regional bajo el calentamiento global. Informe técnico general No.
4. Actas de la conferencia, Torbjornrud, Noruega. Wigley, TML,
Jones, PD, Briffa, KR, Smith, G., 1990.:
Obtención de información de escala de subcuadrícula a partir de la salida del
modelo de circulación general de resolución gruesa. Revista de investigación
geofísica 95, 1943-1953.
Wilby, RL, Dawson, CW, Barrow, EM, 2002. SDSM — a
herramienta de apoyo a la toma de decisiones para la evaluación de los
impactos regionales del cambio climático. Modelado ambiental y software 17,
147-159.
Wilks, DS, 1999. Reducción de la precipitación diaria en varios sitios.
con un generador de clima estocástico. Climate Research 11,
125-136.
Wilks, DS, Wilby, RL, 1999.: El juego del generador meteorológico: un
revisión de modelos meteorológicos estocásticos. Progress in Physical
Geography 23, 329–358.