Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Atlas Producción de Agua en El Perú Una Evaluación Presente y Futura Con Énfasis en Las Cuencas de Aporte de Las EPS 2021
Atlas Producción de Agua en El Perú Una Evaluación Presente y Futura Con Énfasis en Las Cuencas de Aporte de Las EPS 2021
2021
Atlas de producción de agua en el Perú: una
evaluación presente y futura con énfasis en las
cuencas de aporte de las EPS
2021
Atlas de producción de agua en el Perú: Una evaluación presente y futura
Director de Hidrología
Oscar Felipe Obando
Director
Luis Alberto Acosta
Editado por:
© Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI)
Jr. Cahuide 785, Jesús María - Lima.
Referencia sugerida:
Huerta, A. y Lavado-Casimiro, W. (2021). Atlas de producción de agua en el Perú: una evaluación presente y futura con énfasis en
las cuencas de aporte de las EPS. Lima: Servicio Nacional de Meteorología e Hidrología del Perú. Recuperado de
https://hdl.handle.net/20.500.12542/1610
Atlas de producción de agua en el Perú: Una evaluación presente y futura
Presentación
El Atlas Producción de Agua en el Perú, con énfasis en las cuencas de aporte de las Em-
presas Prestadoras de Servicios de Saneamiento (EPS), es una herramienta fundamental
para el análisis prospectivo, así como para la planificación de las ciudades y la expansión
de los sistemas de abastecimiento de agua potable y los de recolección y tratamiento de
aguas; puesto que brinda información, por cada EPS, sobre los cambios en la disponi-
bilidad hídrica, presente y futura, en las cuencas de aporte, con base en el análisis de
la escorrentía; siendo el agua un insumo esencial para la prestación de los servicios de
saneamiento, la adaptación al cambio climático y la gestión de riesgos de desastres.
El presente Atlas es un documento de consulta obligatoria por parte de las EPS, el Min-
isterio de Vivienda, Construcción y Saneamiento, el Organismo Técnico de la Adminis-
tración de los Servicios de Saneamiento (OTASS) y la Superintendencia Nacional de los
servicios de Saneamiento (SUNASS). Asimismo, por parte de todos los niveles del sis-
tema nacional de gestión de riesgos de desastres, en la medida en que ya no es viable
gestionar los servicios de saneamiento construyendo las redes donde la población logra
asentarse, sino inducir a que la población se asiente en lugares donde existen condi-
ciones ambientales para ello y se pueda generar circularidad en la gestión económica del
recurso hídrico, así como capacidades para la adaptación al cambio climático, toda vez
que sus efectos son irreversibles.
En ese sentido, es posible mejorar la gestión del territorio en las ciudades intermedias
para que la población disponga de varias fuentes alternativas de agua y no como ocurre
en las grandes ciudades de nuestro país, donde las fuentes de agua no son suficientes,
debido a su crecimiento desordenado y sin planificación. Con la información disponible,
también las EPS tendrán una mayor y mejor participación en los Consejos de Cuenca
para la Gestión Integral de los Recursos Hídricos. Desde la perspectiva de la SUNASS,
como organismo regulador, la información contenida en el Atlas Producción de Agua en
el Perú es un insumo fundamental para ejercer la función de determinación del área de
la prestación de los servicios de saneamiento, la misma que pretende configurar los mer-
cados potenciales hacia donde se debieran expandir las EPS para brindar los servicios
de saneamiento de manera eficiente, ambiental y socialmente sostenible; y, sobre este
marco, promover los Mecanismos de Retribución por Servicios Ecosistémicos (MERESE),
considerando las mejores posibilidades para la conservación y restauración de los eco-
sistemas proveedores de agua.
Resumen
Es altamente confiable que el cambio climático impactará sobre las condiciones hidro-
climáticas a nivel global. Dado que la cuantificación de la producción de agua (escur-
rimiento) es importante para una adecuada gestión de los recursos hídricos y sobre todo
tomando en cuenta el impacto del cambio climático, evaluar estos posibles impactos es
importante para los usuarios y tomadores de decisión.
Los resultados obtenidos ofrecen a los tomadores de decisiones herramientas para una
guía razonable de explotación de los recursos hídricos con miras hacia el futuro. Sin
embargo, consideramos que estudios a un nivel más detallado debe ser realizado en el
ámbito de influencia de producción de agua de las EPS, para obtener resultados más
robustos. Los datos base y los generados en el presente documento están disponibles
en doi.org/10.6084/m9.figshare.17162087.
Atlas de producción de agua en el Perú: Una evaluación presente y futura
Contenido
Presentación
Resumen
Introducción 2
Datos 4
Datos Observados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Datos de Escenarios de Cambio Climático . . . . . . . . . . . . . . . . . . . 7
Metodología 9
Cálculo de la Evapotranspiración potencial . . . . . . . . . . . . . . . . . . 10
Budyko Probabilístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Impacto del cambio climático sobre la producción de agua . . . . . . . . . . 13
Resultados y Discusiones 15
Aplicación del Budyko probabilístico . . . . . . . . . . . . . . . . . . . . . . 15
Cambios en Precipitación, Temperatura y Evapotranspiración potencial . . 17
Cambios en Producción de agua . . . . . . . . . . . . . . . . . . . . . . . . 19
Cambios en Producción de agua a escala de EPS . . . . . . . . . . . . . . 21
Referencias 77
2 Atlas de producción de agua en el Perú: Una evaluación presente y futura
Introducción
Se proyecta que el cambio climático influya en la cantidad y calidad del agua superficial
a nivel mundial, dado que el consumo de agua en el mundo se ha sextuplicado en los
últimos cien años (Zhongming et al., 2020). Esta situación se agravaría en los países que
ya padecen ”estrés hídrico”. En el Perú, la producción de agua es compleja debido a la
variabilidad espacial y temporal de la ocurrencia de precipitaciones, variabilidad de la veg-
etación y suelos e inadecuada distribución espacial de la información hidro-meteorológica.
Es por ello que la oferta de los recursos hídricos se encuentra vulnerable si se produce
un cambio en la cantidad y/o estacionalidad. Lo anterior tendría un impacto en diversos
sectores como: agua doméstica, agricultura y generación de energía (Barnett et al., 2005;
Vergara et al., 2007; Salzmann et al., 2009). En la actualidad, las cuencas de la vertiente
del Pacífico solo se benefician del 2% del total de agua fresca disponible a nivel nacional,
sin embargo, concentran casi el 50% del total de la población (Rau et al., 2018). Por otro
lado, en los Andes el 80% de los habitantes tiene como ingreso económico principal las
actividades agrícolas (Lasage et al., 2015) por lo que eventos de sequías son perjudiciales
para sus comunidades. Dada esta situación, es necesario cuantificar la incertidumbre de
las proyecciones, así como localizar las áreas de mayor susceptibilidad para optimizar el
manejo de los recursos hídricos en el futuro.
Atlas de producción de agua en el Perú: Una evaluación presente y futura 3
En los últimos años, se han desarrollado diversas herramientas para cuantificar la produc-
ción del agua en el Perú. Entre los más utilizados se encuentran los modelos hidrológi-
cos, que requieren de información hidro-climática espacial. Hay dos tipos de mode-
los hidrológicos: uno con una estructura simple y parámetros que carecen de signifi-
cado físico, conocido como modelo hidrológico agrupado (Niel et al., 2003), y el modelo
hidrológico distribuido (Yang et al., 2014), que explica esta deficiencia mediante parámet-
ros que representan las características climáticas y las condiciones del subsuelo de una
cuenca. No obstante, los modelos hidrológicos distribuidos requieren de una gran can-
tidad de datos en largos periodos de tiempo (Zheng et al., 2021), además de mayor in-
formación de entrada. Es en ese sentido los modelos basados en el enfoque de Budyko
que toman en cuenta el balance hídrico, balance energético, las condiciones del sustrato
de la cuenca y la interacción de varios factores dentro de la cuenca (Sposito, 2017; Vora
y Singh, 2021; Wang, Lv y Zhang, 2021), se ha convertido en una herramienta para in-
vestigar las complejas relaciones entre los componentes hidrológicos. Asimismo, permite
realizar el análisis de los cambios de la escorrentía y determinar su variabilidad espacio-
temporal en regiones de poca o limitada disponibilidad de información.
El presente estudio se encuentra dentro del marco de la gestión del riesgo de desastres
(GRD), en el marco del Decreto Legislativo N°1280, en su reglamento y de las funciones
de la Superintendencia Nacional de Servicios de Saneamiento (SUNASS). Los cuales
tienen como finalidad, contribuir en la mejora de la calidad de los servicios de saneamiento
urbano y rural, cuya población está expuesta a los riesgos ante el cambio climático y
perdida de la disponibilidad hídrica, por lo cual se aportará con información hidrológica
base para la toma de decisiones.
4 Atlas de producción de agua en el Perú: Una evaluación presente y futura
Datos
Para el presente documento se utilizaron una diversidad de datos, entre los que destaca
información de precipitación, temperatura y caudales. Esta información fue procesada
directamente a nivel grillado (”raster”) y vectorial.
Datos Observados
Precipitación y Temperatura
PISCO precipitación (PISCOp) cuenta con la versión PISCOp v2.1 (Figura 1). Este pro-
ducto se construye utilizando tres fuentes principales de información (Aybar et al., 2020):
datos observados de precipitación con control de calidad y completadas; datos de precip-
itación estimados a partir de información del satélite TRMM (”Tropical Rainfall Measuring
Mission”) (Iguchi et al., 2000) versión 2A25 y datos de precipitación (grillados) del producto
CHIRP (”Climate Hazards InfraRed Precipitation with Station data”) (Funk et al., 2015). La
metodología para obtener estos datos grillados consiste en una corrección climatológica
mensual de CHIRP que se realiza mediante el uso de TRMM y valores observados. Us-
ando el CHIRP corregido, se fusionó la precipitación a escala diaria mediante el método
de interpolación Residual Inverse Distance Weighting (RIDW). Finalmente, se agregó un
factor de corrección mensual con dos propósitos: proporcionar una mayor consistencia
espacial a las predicciones diarias y garantizar que la agregación mensual del producto
diario coincida con el producto mensual. La validación independiente y la evaluación
del balance hídrico demuestran que las estimaciones de precipitación son aceptables y
muestran el rendimiento más alto para la costa del Pacífico y la zona occidental de los
Andes.
Los datos de temperatura máxima y mínima fueron obtenidos del producto grillado PISCO
temperatura en su versión PISCOt v1.1 (Figura 1; Huerta et al., 2018). La generación de
este producto grillado se basa en observaciones de temperatura mínima y máxima con
control de calidad, completadas y homogeneizadas; temperatura superficial del suelo del
satélite MODIS (Jin y Dickinson, 2010); y predictores topográficos como latitud, longitud,
elevación así como el índice de disección topográfica. La generación implica la estimación
de climatologías mensuales usando el método de interpolación Regression Kriging (RK)
Atlas de producción de agua en el Perú: Una evaluación presente y futura 5
Caudal
Las proyecciones futuras de escenarios de Cambio Climático fueron obtenidas usando las
salidas de modelos globales climáticos (GCMs). El Grupo de trabajo JSC/CLIVAR sobre
modelos acoplados, parte del Programa Mundial de Investigación del Clima, estableció el
Proyecto de Intercomparación de Modelos Acoplados (CMIP; Meehl et al., 2000; Touzé-
Peiffer et al., 2020) a partir de 1995. Desde entonces, el CMIP recopila la producción de
los modelos de circulación general acoplados globales del océano y la atmósfera (GCM
acoplados) de diversas instituciones.
En este trabajo se empleó las salidas de la quinta fase (CMIP5; Taylor et al., 2012), es-
pecíficamente de tres modelos considerando el escenario de altas emisiones RCP8.5
(Tabla 1). La selección de estos se basó en resultados previos de validación cuantitativa
y cualitativa a escala de Perú y América del Sur, entre los que destaca el análisis de la
precipitación y temperatura de superficie, patrones de circulación del Anticiclón del Paci-
fico Sur Oriental, Alta de Bolivia y la Zona de Convergencia Intertropical, entre otras (Yin
et al., 2013; Barreto, 2016; Acuña et al., 2019).
Debido al inherente sesgo y baja resolución espacial, se realizó una reducción de escala
dinámica (en ACCESS 1.0 y MPI-ESM-LR) con el modelo regional Weather Research
and Forecasting con núcleo dinámico Advanced Research WRF-ARW (Skamarock et al.,
2008), en su versión 3.8.1. En la configuración de WRF-ARW se utilizó la proyección ge-
ográfica Mercator sobre los dominios de América del Sur (130∘ a 20∘ O y 70∘ S a 15∘ N) con
resolución espacial horizontal 50km y Perú (88∘ a 62∘ O y 23∘ S a 5∘ N) a 12km. Se con-
sideró 35 niveles verticales desde superficie hasta 5hPa en la atmósfera. El conjunto de
parametrizaciones físicas fueron las propuestas por Llacza y Jacome (2018), siendo para
la micro-física WSM Single-Moment 6-class scheme (Hong y Lim, 2006), cúmulos Betts-
Miller-Janjic (Janjić, 1994) y para Capa Limite Yonsei University Scheme (Hong et al.,
2006).
8 Atlas de producción de agua en el Perú: Una evaluación presente y futura
Metodología
Figura 3. Flujo de trabajo del Atlas de producción de agua en el Perú: una evaluación
presente y futura con énfasis en las cuencas de aporte de las cuencas de aporte
de las EPS.
En la literatura, no existe una clara definición de que método utilizar para estimar PE
(Xiang et al., 2020). Sin embargo, es aceptado que la mejor ecuación para la determi-
nación de la PE corresponde a la evapotranspiración de referencia de cultivo (Bai et al.,
2020; Wang, Wang, Wang y Zhao, 2021), siendo la de FAO-56 Penman-Monteith la más
recomendada; pero se necesitan demasiadas variables climáticas para su estimación.
Basados en esta limitante, se sugiere utilizar la ecuación de Hargreaves y Samani en su
defecto Hargreaves y Samani (1985):
TX + TN 0,5
PE = 0.0023 × Ra ( + 17, 8) (TX − TN) (1)
2
La PE fue estimado utilizando los datos diarios para luego ser acumulado a nivel anual
(año hidrológico de septiembre - agosto), el mismo procedimiento se realizó para la P.
Finalmente, se obtuvo información anual para el periodo 1982-2016 y 2036-2065, en el
tiempo presente y futuro, respectivamente.
Budyko Probabilístico
El enfoque de Budyko establece una relación entre el régimen hidrológico y los factores
de energía del clima. Los orígenes de este enfoque se remontan a principios del siglo
XX, mediante los trabajos de Schreiber (1904) y Ol’Dekop (1911). Sin embargo, Budyko
(1958) fue el primero en introducirlo a través de una simple relación entre la evaporación
(evapotranspiración) real anual promedio, precipitación anual promedio y el índice de
aridez, a escala de cuenca hidrográfica (Figura 4). Esta relación fue conocida como la
curva de Budyko (Budyko, 1958).
Atlas de producción de agua en el Perú: Una evaluación presente y futura 11
1
ω ω
AE PE PE
=1+ − (1 + ( ) ) (2)
P P P
Figura 4. Marco de Budyko (Creed et al., 2014). El espacio debajo de los limites de en-
ergía (AE/PE = 1) y agua (AE/P = 1) se conoce como espacio de Budyko
y es donde las cuencas consideradas de estado estable se encuentran ubi-
cadas. La linea entrecortada corresponde a la Ecuación de Fu (1981a) con un
parámetro ω = 2, 6 .
12 Atlas de producción de agua en el Perú: Una evaluación presente y futura
Con fines de estimación del escurrimiento anual promedio (Q), la Ecuación 2 puede ser
unida con la Ecuación de Balance Hídrico, por lo que finalmente:
1
ω ω
PE
Q = P (1 + ( ) ) − PE (3)
P
Se debe mencionar que el Budyko probabilístico fue aplicado en aquellas cuencas que
no sobrepasen los límites físicos de agua (AE/P = 1) y energía (AE/PE = 1). Si esto
sucede dos posibilidades pueden surgir:
Calibración
Para la calibración de Budyko se consideró el parámetro ω, este valor fue optimizado para
obtener el escurrimiento observado en las cuencas. El ω calibrado fue obtenido mediante
la maximización de la métrica Nash–Sutcliffe entre el Q observado (PISCO_HyM_GR2M)
y estimado por ω:
Este proceso fue repetido 10 veces (10 realizaciones) en cada paso de tiempo (1982-
2012, 1983-2013, 1984-2014, 1985-2015 y 1986-2016) de forma que se selecciona aleato-
riamente las cuencas para construir la curva de Budyko. Por lo que para un tiempo, se
obtuvo diez valores de ω que maximizan el valor de Nash–Sutcliffe. Esta técnica se in-
spira y se basa en lo implementado en otros trabajos, tales como Zhang et al. (2004);
Xiong y Guo (2012); Singh y Kumar (2015a) y Huerta (2020).
Para escalas de tiempo anuales a decadales se puede asumir que el cambio neto en el
almacenamiento en una cuenca es cero. Debido a que se pretende obtener proyecciones
de disponibilidad de agua para una condición climática dada (futura), se asimilan estas
variables hidro-climáticas dentro del marco probabilístico de Budyko. Entonces, para
estimar la proyección futura de Q es requerido estimar datos de P y PE futura.
14 Atlas de producción de agua en el Perú: Una evaluación presente y futura
ΔQ
x100 (4)
Q
Resultados y Discusiones
Figura 5. Aplicación del Budyko probabilístico a escala de Perú (Figura 2): Curva de
Budyko (cuencas por promedio móvil de 30 años, se muestra el año que cor-
responde al centroide para 1982-2012, 1983-2013, 1984-2014, 1985-2015 y
1986-2016); Distribución empírica de ω; Mediana del Escurrimiento (1982-
2011); y, Coeficiente de variabilidad (CV) del Escurrimiento.
Empleando la información de los GCMs es posible cuantificar los posibles cambios a fu-
turo (2036-2065) con respecto al periodo base (1982-2011). Así, estos cambios pueden
ser positivos (incremento) o negativos (disminución) para las variables climáticas que de-
terminan la escorrentía. En la Figura 6, se observa que el cambio esperado en P es
positivo (negativo) y moderadamente alto en la vertiente del Pacífico norte (vertiente del
Pacífico centro y sur), ya que presenta valores mayores (menores) a 25%. Sin embargo,
al evaluar la incertidumbre (cambios porcentuales de la desviación estándar, SD), se evi-
dencia que estos cambios en P tienen una alta variabilidad, principalmente en la vertiente
del Pacífico centro y sur, por lo que los cambios determinados en P sobre esta región
por los modelos pueden no ser significativos (no coincidentes). Por otro lado, en la parte
Andina y Amazónica los valores oscilan en ±15%, indicando que no hay una alta mag-
nitud de cambio sobre estas regiones (a excepción de la parte sur, en la vertiente del
Lago Titicaca donde se esperan incrementos de P mayores a 25%). Con respecto a los
datos de temperatura (máxima Tx y mínima Tn) y evapotranspiración potencial (PE), los
cambios esperados son positivos en prácticamente toda el área del Perú (con una mayor
intensidad en los Andes de la vertiente del Pacífico centro-sur y Titicaca). Considerando
la incertidumbre en estas variables, se observa que los cambios tienden a concordar en
mayor medida entre los modelos (a diferencia que en precipitación).
Existe evidencia del aumento (tendencia positiva) de la temperatura del aire a nivel na-
cional, principalmente en regiones de mayor altitud (relación de mayor calentamiento
a mayor elevación). El calentamiento tiende a ser de mayor magnitud en Tx que Tn
(Vicente-Serrano et al., 2010; Imfeld et al., 2020), principalmente al sur del país. Debido
a que PE se encuentra en función de temperatura, es esperado que el cambio sea similar
al de temperatura. Aunque en P no haya una tendencia global al incremento o dismin-
ución (a nivel anual) durante el periodo histórico en el Perú (Aybar et al., 2019; Huerta
y Lavado-Casimiro, 2021b; Imfeld et al., 2020), los cambios basado en los escenarios
demuestran una alta variabilidad espacial. Lo anterior va en línea con los resultados
de Huerta y Lavado-Casimiro (2021a), donde se evaluó también cambios porcentuales
a futuro (1981-2010 a 2035-2065) en P. En ese estudio se encontró un similar cambio
en P para la vertiente Amazónica y en la parte Andina, no obstante, para la vertiente del
Pacifico se presentaron cambios positivos (>30%), cerca a la línea costera. Se debe men-
cionar que los cambios en P no coinciden en su totalidad con los cambios encontrados
en este estudio para la vertiente del Pacífico debido probablemente a los diferentes datos
empleados y al periodo de agregación analizado. Es en esta región donde se presenta
mayor incertidumbre entre los modelos, y la precipitación total es cercana a cero.
Atlas de producción de agua en el Perú: Una evaluación presente y futura
Figura 6. Cambio porcentual promedio (1982-2011 a 2036-2065) y desviación estándar del cambio (SD) de precipitación (P),
temperatura máxima (Tx), temperatura mínima (Tn) y evapotranspiración potencial (PE) utilizando los escenarios de
cambio climático.
18
Atlas de producción de agua en el Perú: Una evaluación presente y futura 19
Con los datos de escurrimiento estimado en el tiempo presente y futuro (a partir de los
escenarios de cambio climático), se evaluó el impacto del cambio climático sobre la pro-
ducción de agua (Figura 7). En la vertiente del Pacífico se observó que predominan
cambios hacía la disminución (menores a -25%), a excepción de la región norte, donde
el cambio es hacía el incremento (mayor a 25%). Para la parte Andina, predomina en
general cambios hacia el descenso, no obstante, hacia el sur estos cambios se invierten
proyectándose incrementos (entre 15% a 25%), principalmente en la vertiente del Lago
Titicaca. En la vertiente del Amazonas, los cambios son disminuciones variando en un
rango de -5% a -15% aproximadamente. Cabe señalar que los cambios proyectados en
la vertiente del Pacífico (sur y parte norte) presenta una alta incertidumbre debido a su
alta variabilidad entre los 3 modelos utilizados (no coinciden). Sin embargo, en el resto
del territorio nacional la incertidumbre tiende a ser menor.
Figura 7. Cambio porcentual promedio (1982-2011 a 2036-2065) y desviación estándar del cambio (SD) de escurrimiento (Q)
utilizando los escenarios de cambio climático.
20
Atlas de producción de agua en el Perú: Una evaluación presente y futura 21
La conclusión obtenida para la EPS NOR PUNO S.A. es particular, ya que la incertidum-
bre en la dirección o señal de cambio en el escurrimiento varia espacialmente. Carac-
terizando la información de cada EPS (de la misma forma que EPS NOR PUNO S.A.)
se desarrollo una cuadro resumen (Tabla 2) que presenta por cada EPS donde existe
una coincidencia entre los modelos (ACCESS 1.0, HadGEM2-ES y MPI-ESM-LR) para
establecer si existe un incremento o decrecimiento del escurrimiento. Se halló que solo
22 (7) EPS que corresponde al 45% (15%) presentan una señal hacia el decrecimiento
(incremento) del escurrimiento. El resto de EPS (19 o 40%) existe una alta incertidumbre
o no hay una clara señal de cambio.
Atlas de producción de agua en el Perú: Una evaluación presente y futura
Figura 8. Disponibilidad hídrica a escala de EPS: NOR PUNO S.A. Datos de escurrimiento para el tiempo presente y futuro (AC-
CESS 1.0, HadGEM2-ES y MPI-ESM-LR). En diagrama de cajas se aprecia el valor de escurrimiento y cambio por cada
punto de grilla dentro de las cuencas de aporte, valor del promedio (punto rojo) y mediana (linea)
22
Atlas de producción de agua en el Perú: Una evaluación presente y futura 23
Tabla 2. Disponibilidad hídrica a nivel de EPS. Si la señal es positiva (negativa) en los tres
modelos se define que existe un ”Incremento” (”Decrecimiento”), si al menos un
modelo difiere en la dirección se establece como ”No coincidencia”.
Señal de cambio de ΔQ/Q
EPS
Promedio Mediana
EMAPA CAÑETE S.A. Decrecimiento Decrecimiento
EMAPA HUANCAVELICA S.A. Incremento Incremento
EMAPA HUARAL S.A. No coincidencia No coincidencia
EMAPA PASCO S.A. Incremento Incremento
EMAPA SAN MARTIN S.A. No coincidencia No coincidencia
EMAPA YUNGUYO S.R.L. No coincidencia No coincidencia
EMAPAB S.A.(EPS de la ciudad de Bagua) Decrecimiento Decrecimiento
EMAPACOP S.A. (EPS de la ciudad de Pucallpa) Decrecimiento Decrecimiento
EMAPAVIGS S.A.(EPS de la ciudad de Nazca) Decrecimiento Decrecimiento
EMAPISCO S.A. Decrecimiento Decrecimiento
EMPSSAPAL S.A. (EPS de la ciudad de Sicuani) Incremento Incremento
EMSAP CHANKA S.A. (EPS de la ciudad de Andahuaylas) No coincidencia No coincidencia
EMSAPA CALCA S.A No coincidencia No coincidencia
EPS EMUSAP ABANCAY S.A. No coincidencia No coincidencia
EMUSAP S.A. (EPS de la ciudad de Chachapoyas) Decrecimiento Decrecimiento
EPS AGUAS DE LIMA NORTE S.A. Decrecimiento Decrecimiento
AGUAS DEL ALTIPLANO S.R.L. (EPS de la ciudad de Ayaviri) No coincidencia No coincidencia
ATUSA S.A. (EPS de la ciudad de Tumbes) Incremento Incremento
CHAVIN S.A. No coincidencia No coincidencia
EMAPAT S.A. (EPS de la ciudad de Puerto Maldonado) Decrecimiento Decrecimiento
EPS EMAPICA S.A Decrecimiento Decrecimiento
EMAQ S.R.L. (EPS de la ciudad de Quillabamba) No coincidencia No coincidencia
EPS GRAU S.A. Incremento No coincidencia
EPS ILO S.A. Decrecimiento No coincidencia
EPS MUNICIPAL MANTARO S.A. No coincidencia No coincidencia
EPS MARAÑON S.A. Decrecimiento Decrecimiento
EPS MOQUEGUA S.A. Decrecimiento No coincidencia
EPS MOYOBAMBA S.R.L. Decrecimiento Decrecimiento
EPS NOR PUNO S.A. No coincidencia No coincidencia
EPS RIOJA S.A. Decrecimiento Decrecimiento
EPS SEDACAJ S.A. (EPS de la ciudad de Cajamarca) No coincidencia No coincidencia
EPS SEDAJULIACA S.A. No coincidencia No coincidencia
EPS SELVA CENTRAL (EPS de la ciudad de Chanchamayo) No coincidencia No coincidencia
EPS SEMAPACH (EPS de la ciudad de Chincha) Decrecimiento Decrecimiento
SIERRA CENTRAL S.R.L. (EPS de la ciudad de Tarma) No coincidencia No coincidencia
EPS TACNA S.A. Decrecimiento Decrecimiento
EPSEL S.A. (EPS de la ciudad de Lambayeque) Incremento Incremento
EPSSMU S.A. (EPS de la ciudad de Bagua Grande) Decrecimiento Decrecimiento
SEDA AYACUCHO S.A. No coincidencia No coincidencia
SEDACUSCO S.A. Incremento Incremento
SEDA HUANUCO S.A. Decrecimiento Decrecimiento
SEDA CHIMBOTE S.A Decrecimiento Decrecimiento
SEDALIB S.A. (EPS de la ciudad de Trujillo) Decrecimiento Decrecimiento
EPS SEDALORETO S.A. No coincidencia No coincidencia
SEDAM HUANCAYO S.A. No coincidencia No coincidencia
SEDAPAL S.A.(EPS de la ciudad de Lima) No coincidencia No coincidencia
SEDAPAR S.A. (EPS de la ciudad de Arequipa) Decrecimiento Decrecimiento
SEMAPA BARRANCA S.A. Decrecimiento Decrecimiento
24 Atlas de producción de agua en el Perú: Una evaluación presente y futura
LEYENDA
Ubicación Escurrimiento 2000
Captaciones (mm) 2500
Cap. Departamental 0 3000
200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas
LEYENDA
Ubicación Escurrimiento 2000
Captaciones (mm) 2500
Cap. Departamental 0 3000
200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas
LEYENDA
Ubicación Escurrimiento 2000
Captaciones (mm) 2500
Cap. Departamental 0 3000
200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas
LEYENDA
Ubicación Escurrimiento 2000
Captaciones (mm) 2500
Cap. Departamental 0 3000
200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas
LEYENDA
Ubicación Escurrimiento 2000
Captaciones (mm) 2500
Cap. Departamental 0 3000
200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas
2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
N EMAPISCO S.A.
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
1200 3000
Océano y lagunas
200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
N CHAVIN S.A
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
Océano y lagunas
N SEDACUSCO S.A.
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas
Referencias
Acuña, D., Villanueva, W. F., Rodríguez, A. L. y Rohrer, M. (2019), Escenarios futuros
de cambio climático desde modelos globales para localidades de los andes centrales,
in ‘Anales Científicos’, Vol. 80, Universidad Nacional Agraria La Molina, pp. 476–494.
http://dx.doi.org/10.21704/acu.
Aybar, C., Fernandez, C., Huerta, A., Lavado, W., Vega, F. y Felipe-Obando,
O. (2019), ‘Construction of a high-resolution gridded rainfall dataset for peru
from 1981 to the present day’, Submitted to Hydrological Sciences Journal .
https://doi.org/10.1080/02626667.2019.1649411.
Aybar, C., Fernández, C., Huerta, A., Lavado, W., Vega, F. y Felipe-Obando, O. (2020),
‘Construction of a high-resolution gridded rainfall dataset for peru from 1981 to the
present day’, Hydrological Sciences Journal 65(5), 770–785.
Bai, P., Liu, X., Zhang, D. y Liu, C. (2020), ‘Estimation of the budyko model parameter for
small basins in china’, Hydrological Processes 34(1), 125–138.
Barreto, C. (2016), ‘Comportamiento de la alta de bolivia hacia finales del siglo xxi bajo el
escenario de emisión rcp8. 5’. http://repositorio.lamolina.edu.pe/handle/UNALM/3109.
Berghuijs, W., Woods, R. y Hrachowitz, M. (2014), ‘A precipitation shift from snow towards
rain leads to a decrease in streamflow’, Nature Climate Change 4(7), 583.
Bi, D., Marsland, S. J., Uotila, P., O’Farrell, S., Fiedler, R., Sullivan, A., Griffies,
S. M., Zhou, X. y Hirst, A. C. (2013), ‘Access-om: the ocean and sea-ice
core of the access coupled model’, Aust. Meteorol. Oceanogr. J 63(1), 213–232.
http://hdl.handle.net/102.100.100/97081?index=1.
Budyko, M. (1958), ‘The heat balance of the earth’s surface, us dept. of commerce’,
Weather Bureau, Washington, DC, USA .
Buytaert, W. y De Bièvre, B. (2012), ‘Water for cities: The impact of climate change
and demographic growth in the tropical andes’, Water Resources Research 48(8).
https://doi.org/10.1029/2011WR011755.
Collins, W., Bellouin, N., Doutriaux-Boucher, M., Gedney, N., Halloran, P., Hinton, T.,
Hughes, J., Jones, C., Joshi, M., Liddicoat, S. et al. (2011), ‘Development and evaluation
of an earth-system model–hadgem2’, Geoscientific Model Development 4(4), 1051–
1075. https://doi.org/10.5194/gmd-4-1051-2011.
78 Atlas de producción de agua en el Perú: Una evaluación presente y futura
Creed, I. F., Spargo, A. T., Jones, J. A., Buttle, J. M., Adams, M. B., Beall, F. D., Booth,
E. G., Campbell, J. L., Clow, D., Elder, K. et al. (2014), ‘Changing forest water yields
in response to climate warming: Results from long-term experimental watershed sites
across north america’, Global change biology 20(10), 3191–3208.
Dias, L. F., Aparício, B. A., Nunes, J. P., Morais, I., Fonseca, A. L., Pastor, A. V. y Santos,
F. D. (2020), ‘Integrating a hydrological model into regional water policies: Co-creation
of climate change dynamic adaptive policy pathways for water resources in southern
portugal’, Environmental Science & Policy 114, 519–532.
Du, C., Sun, F., Yu, J., Liu, X. y Chen, Y. (2016), ‘New interpretation of the role of water
balance in an extended budyko hypothesis in arid regions’, Hydrology and Earth System
Sciences 20(1), 393–409.
Fu, B. (1981a), ‘On the calculation of the evaporation from land surface’, Sci. Atmos. Sin
5(1), 23–31.
Fu, B.-P. (1981b), ‘On the calculation of the evaporation from land surface [j]’, Chinese
Journal of Atmospheric Sciences 1.
Funk, C., Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., Husak, G.,
Rowland, J., Harrison, L., Hoell, A. et al. (2015), ‘The climate hazards infrared precip-
itation with stations—a new environmental record for monitoring extremes’, Scientific
data 2, 150066. https://www.nature.com/articles/sdata201566.
Gentine, P., D’Odorico, P., Lintner, B. R., Sivandran, G. y Salvucci, G. (2012), ‘Interdepen-
dence of climate, soil, and vegetation as constrained by the budyko curve’, Geophysical
Research Letters 39(19).
Hong, S.-Y. y Lim, J.-O. J. (2006), ‘The wrf single-moment 6-class microphysics
scheme (wsm6)’, Asia-Pacific Journal of Atmospheric Sciences 42(2), 129–151.
www2.mmm.ucar.edu.
Hong, S.-Y., Noh, Y. y Dudhia, J. (2006), ‘A new vertical diffusion package with an ex-
plicit treatment of entrainment processes’, Monthly weather review 134(9), 2318–2341.
https://doi.org/10.1175/MWR3199.1.
Huerta, A., Aybar, C. y Lavado, W. (2018), Piscot: A daily and monthly gridded air tem-
perature dataset for peru, Technical report, SENAMHI.
Huerta, A. y Lavado-Casimiro, W. (2021a), ‘Atlas de zonas áridas del perú: una evaluación
presente y futura’.
Iguchi, T., Kozu, T., Meneghini, R., Awaka, J. y Okamoto, K. (2000), ‘Rain-profiling algo-
rithm for the trmm precipitation radar’, Journal of Applied Meteorology 39(12), 2038–
2052. https://doi.org/10.1175/1520-0450(2001)040<2038:RPAFTT>2.0.CO;2.
Imfeld, N., Sedlmeier, K., Gubler, S., Marrou, K. C., Davila, P. C., Huerta, A., Lavado-
Casimiro, W., Rohrer, M., Scherrer, S. C. y Schwierz, C. (2020), ‘A combined view on
precipitation and temperature climatology and trends in the southern andes of peru’,
International Journal of Climatology . https://doi.org/10.1002/joc.6645.
IPCC (2013), Technical summary, in ‘Summary for policymakers. In Climate change 2013:
the physical science basis. Contribution of Working Group I to the Fifth Assessment
Report of the Intergovernmental Panel on Climate Change [Stocker, T.F., Qin, D., G.-K.
Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley
(eds.)]’, Cambridge University Press.
Jungclaus, J., Fischer, N., Haak, H., Lohmann, K., Marotzke, J., Matei, D., Mikolajewicz,
U., Notz, D. y Von Storch, J. (2013), ‘Characteristics of the ocean simulations in the max
planck institute ocean model (mpiom) the ocean component of the mpi-earth system
model’, Journal of Advances in Modeling Earth Systems 5(2), 422–446.
Lasage, R., Muis, S., Sardella, C., van Drunen, M., Verburg, P. y Aerts, J. (2015), ‘A
stepwise, participatory approach to design and implement community based adaptation
to drought in the peruvian andes’, Sustainability 7(2), 1742–1773.
Luo, M., Liu, T., Meng, F., Duan, Y., Frankl, A., Bao, A. y De Maeyer, P. (2018), ‘Com-
paring bias correction methods used in downscaling precipitation and temperature from
regional climate models: A case study from the kaidu river basin in western china’,
Water 10(8), 1046. https://doi.org/10.3390/w10081046.
Meehl, G. A., Boer, G. J., Covey, C., Latif, M. y Stouffer, R. J. (2000), ‘The coupled
model intercomparison project (cmip)’, Bulletin of the American Meteorological Society
81(2), 313–318.
Niel, H., Paturel, J.-E. y Servat, E. (2003), ‘Study of parameter stability of a lumped hydro-
logic model in a context of climatic variability’, Journal of Hydrology 278(1-4), 213–230.
Olabanji, M. F., Ndarana, T., Davis, N. y Archer, E. (2020), ‘Climate change impact on
water availability in the olifants catchment (south africa) with potential adaptation strate-
gies’, Physics and Chemistry of the Earth, Parts A/B/C 120, 102939.
Ol’Dekop, E. (1911), ‘On evaporation from the surface of river basins’, Transactions on
meteorological observations 4, 200.
Atlas de producción de agua en el Perú: Una evaluación presente y futura 81
Rau, P., Bourrel, L., Labat, D., Frappart, F., Ruelland, D., Lavado, W., Dewitte, B. y Felipe,
O. (2018), ‘Hydroclimatic change disparity of peruvian pacific drainage catchments’,
Theoretical and applied climatology 134(1), 139–153.
Salzmann, N., Huggel, C., Calanca, P., Díaz, A., Jonas, T., Jurt, C., Konzelmann, T.,
Lagos, P., Rohrer, M., Silverio, W. et al. (2009), ‘Integrated assessment and adaptation
to climate change impacts in the peruvian andes’, Advanecs in Geosciences 22, 35–39.
Schreiber, P. (1904), ‘On the relationship between precipitation and the runoff of rivers in
central europe’, Z. Meteorol 21, 441–452.
Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Barker, D. M., Wang, W. y Powers,
J. G. (2008), ‘A description of the advanced research wrf version 3. ncar technical note-
475+ str’.
Taylor, K. E., Stouffer, R. J. y Meehl, G. A. (2012), ‘An overview of cmip5 and the experi-
ment design’, Bulletin of the American Meteorological Society 93(4), 485–498.
Teng, J., Chiew, F., Vaze, J., Marvanek, S. y Kirono, D. (2012), ‘Estimation of climate
change impact on mean annual runoff across continental australia using budyko and fu
equations and hydrological models’, Journal of Hydrometeorology 13(3), 1094–1106.
Vergara, W., Deeb, A., Valencia, A., Bradley, R., Francou, B., Zarzar, A., Grünwaldt, A.
y Haeussling, S. (2007), ‘Economic impacts of rapid glacier retreat in the andes’, Eos,
Transactions American Geophysical Union 88(25), 261–264.
Vora, A. y Singh, R. (2021), ‘Satellite based budyko framework reveals the human imprint
on long-term surface water partitioning across india’, Journal of Hydrology 602, 126770.
Vuille, M. (2013), ‘Climate change and water resources in the tropical andes’.
Wang, D. y Tang, Y. (2014), ‘A one-parameter budyko model for water balance cap-
tures emergent behavior in darwinian hydrologic models’, Geophysical Research Let-
ters 41(13), 4569–4577.
Wang, H., Lv, X. y Zhang, M. (2021), ‘Sensitivity and attribution analysis of vegetation
changes on evapotranspiration with the budyko framework in the baiyangdian catch-
ment, china’, Ecological Indicators 120, 106963.
Wang, Y., Wang, S., Wang, C. y Zhao, W. (2021), ‘Runoff sensitivity increases with land
use/cover change contributing to runoff decline across the middle reaches of the yellow
river basin’, Journal of Hydrology 600, 126536.
Xiang, K., Li, Y., Horton, R. y Feng, H. (2020), ‘Similarity and difference of potential evapo-
transpiration and reference crop evapotranspiration–a review’, Agricultural Water Man-
agement 232, 106043.
Yang, J., Castelli, F. y Chen, Y. (2014), ‘Multiobjective sensitivity analysis and optimiza-
tion of distributed hydrologic model mobidic’, Hydrology and Earth System Sciences
18(10), 4101–4112.
Yin, L., Fu, R., Shevliakova, E. y Dickinson, R. E. (2013), ‘How well can cmip5 simu-
late precipitation and its controlling processes over tropical south america?’, Climate
Dynamics 41(11-12), 3127–3143.
Zhang, L., Hickel, K., Dawes, W., Chiew, F. H., Western, A. y Briggs, P. (2004), ‘A ratio-
nal function approach for estimating mean annual evapotranspiration’, Water resources
research 40(2).
Zhang, L., Potter, N., Hickel, K., Zhang, Y. y Shao, Q. (2008), ‘Water balance modeling
over variable time scales based on the Budyko framework - Model development and
testing’, Journal of Hydrology 360(1-4), 117–131.
Zhang, Y. y Chiew, F. (2012), ‘Estimation of mean annual runoff across southeast australia
by incorporating vegetation types into budyko framework’, Australasian Journal of Water
Resources 15(2), 109–120.
Zheng, J., He, Y., Jiang, X., Nie, T. y Lei, Y. (2021), ‘Attribution analysis of runoff variation
in kuye river basin based on three budyko methods’, Land 10(10), 1061.
Zhongming, Z., Linong, L., Wangqiang, Z., Wei, L. et al. (2020), ‘World water development
report 2020 ‘water and climate change’’.
Zhou, S., Yu, B., Huang, Y. y Wang, G. (2015), ‘The complementary relationship and
generation of the budyko functions’, Geophysical Research Letters 42(6), 1781–1790.