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
Adrian Huerta Waldo Lavado
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
ATLAS DE PRODUCCIÓN DE AGUA EN EL PERÚ: UNA EVALUACIÓN PRESENTE Y

FUTURA
MINISTERIO DEL AMBIENTE
Ministro del Ambiente

Rubén José Ramirez Mateo
SERVICIO NACIONAL DE METEOROLOGÍA E HIDROLOGÍA DEL PERÚ (SENAMHI)
Presidente Ejecutivo del Servicio Meteorológico e Hidrológico del Perú

Patricio Alonso Valderrama Murillo
Director de Hidrología
Oscar Felipe Obando
Subdirector de Estudios e Investigaciones Hidrológicas

Waldo Lavado Casimiro
SUPERINTENDENCIA NACIONAL DE SERVICIOS DE SANEAMIENTO (SUNASS)
Presidente Ejecutivo de la Superintendencia Nacional de Servicios de Saneamiento

Iván Mirko Lucich Larrauri
Director
Luis Alberto Acosta
Autores: Adrian Huerta y Waldo Lavado

Editores: Waldo Lavado y Luis Acosta
Mapas: Leonardo Gutierrez
Diseño y Diagramación: Adrian Huerta
Diseño de portada: Evelin Sabino
Equipo del convenio: Roberto Olaya y Dennis Cieza
Fotografía de portada y contraportada: Evelin Sabino
Primera Edición: Diciembre 2021
ISBN Digital: ”978-612-5063-00-7”
Hecho el Depósito Legal en la Biblioteca Nacional del Perú N° 2021-14428.
Libro disponible en: https://repositorio.senamhi.gob.pe
Editado por:
© Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI)
Jr. Cahuide 785, Jesús María - Lima.
Todos los derechos reservados.

Prohibida la reproducción total o parcial de este libro por cualquier medio, total o parcialmente, sin permiso del editor.
Publicación realizada en el marco del convenio específico entre SENAMHI y SUNASS.
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
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.
Ivan M. Lucich Larrauri

Presidente Ejecutivo de la SUNASS
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.
En este trabajo se utiliza datos de precipitación (P) y evapotranspiración potencial (PE)

para la estimación del escurrimiento (Q) en el tiempo presente (1982-2011) y futuro (2036-
2065) mediante las proyecciones futuras de tres modelos regionales de cambio climático
de la quinta fase del Proyecto de Intercomparación de Modelos Acoplados (CMIP5). De-
bido a los sesgos de las simulaciones de estos modelos, se corrigieron previo a su uti-
lización mediante una reducción de escala dinámica y corrección de sesgo; posterior-
mente, con los datos de P y PE se calibró un modelo denominado Budyko probabilístico
para la estimación del escurrimiento presente y futuro.
Los resultados evidencian en general más disminuciones que incremento de producción

de agua futura a nivel nacional, solo se observa un incremento en la parte norte de la
vertiente del Pacífico y vertiente del Lago Titicaca principalmente. A escala de las EPS, se
encontró que solo 22 (7) EPS que corresponde al 45% (15%) del total de EPS evaluadas
presentan una señal hacia la disminución (incremento) de la producción de agua. En
el resto de EPS (19 o 40%) existe una alta incertidumbre o no hay una clara señal de
cambio.
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.
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
Mapa de escurrimiento (1982-2011) 24
Mapa de escurrimiento (2036-2065) - ACCESS 1.0 25
Mapa de escurrimiento (2036-2065) - HadGEM2-ES 26
Mapa de escurrimiento (2036-2065) - MPI-ESM-LR 27
Mapa de escurrimiento (2036-2065) - Promedio 28
Mapas de disponibilidad hídrica a nivel de EPS 29

EMAPA CAÑETE S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
EMAPA HUANCAVELICA S.A. . . . . . . . . . . . . . . . . . . . . . . . . . 30
EMAPA HUARAL S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
EMAPA PASCO S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
EMAPA SAN MARTIN S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
EMAPA YUNGUYO S.R.L . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
EMAPAB S.A. (EPS de la ciudad de Bagua) . . . . . . . . . . . . . . . . . . 35
EMAPACOP S.A. (EPS de la ciudad de Pucallpa) . . . . . . . . . . . . . . 36
EMAPAVIGS S.A (EPS de la ciudad de Nazca) . . . . . . . . . . . . . . . . 37
EMAPISCO S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Atlas de producción de agua en el Perú: Una evaluación presente y futura 1
EMPSSAPAL S.A. (EPS de la ciudad de Sicuani) . . . . . . . . . . . . . . . 39

EMSAP CHANKA S.A. (EPS de la ciudad de Andahuaylas) . . . . . . . . . 40
EMSAPA CALCA S.A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
EPS EMUSAP ABANCAY S.A. . . . . . . . . . . . . . . . . . . . . . . . . . 42
EMUSAP S.A. (EPS de la ciudad de Chachapoyas) . . . . . . . . . . . . . 43
EPS AGUAS DE LIMA NORTE S.A. . . . . . . . . . . . . . . . . . . . . . . 44
AGUAS DEL ALTIPLANO S.R.L. (EPS de la ciudad de Ayaviri) . . . . . . . 45
ATUSA S.A. (EPS de la ciudad de Tumbes) . . . . . . . . . . . . . . . . . . 46
CHAVIN S.A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
EMAPAT S.A. (EPS de la ciudad de Puerto Maldonado) . . . . . . . . . . . 48
EPS EMAPICA S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
EMAQ S.R.L. (EPS de la ciudad de Quillabamba . . . . . . . . . . . . . . . 50
EPS GRAU S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
EPS ILO S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
EPS MUNICIPAL MANTARO S.A. . . . . . . . . . . . . . . . . . . . . . . . 53
EPS MARAÑON S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
EPS MOQUEGUA S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
EPS MOYOBAMBA S.R.L. . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
EPS NOR PUNO S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
EPS RIOJA S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
EPS SEDACAJ S.A. (EPS de la ciudad de Cajamarca) . . . . . . . . . . . . 59
EPS SEDAJULIACA S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
EPS SELVA CENTRAL (EPS de la ciudad de Chanchamayo) . . . . . . . . 61
EPS SEMAPACH (EPS de la ciudad de Chincha) . . . . . . . . . . . . . . . 62
SIERRA CENTRAL S.R.L. (EPS de la ciudad de Tarma) . . . . . . . . . . . 63
EPS TACNA S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
EPSEL S.A. (EPS de la ciudad de Lambayeque) . . . . . . . . . . . . . . . 65
EPSSMU S.A. (EPS de la ciudad de Bagua Grande) . . . . . . . . . . . . . 66
SEDA AYACUCHO S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
SEDACUSCO S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
SEDA HUANUCO S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
SEDA CHIMBOTE S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
SEDALIB S.A. (EPS de la ciudad de Trujillo . . . . . . . . . . . . . . . . . . 71
EPS SEDALORETO S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
SEDAM HUANCAYO S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
SEDAPAL S.A (EPS de la ciudad de Lima . . . . . . . . . . . . . . . . . . . 74
SEDAPAR S.A.(EPS de la ciudad de Arequipa . . . . . . . . . . . . . . . . 75
SEMAPA BARRANCA S.A. . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Referencias 77
2 Atlas de producción de agua en el Perú: Una evaluación presente y futura
Introducción
De acuerdo al último reporte del Panel Intergubernamental sobre el Cambio Climático

(IPCC), es un hecho que se están observando cambios en el sistema climático (Pou-
jol et al., 2021). Como consecuencia de ello, diferentes regiones en el mundo ya están
experimentando cambios, siendo una de ellas la intensificación del ciclo hidrológico, la
que produce una mayor intensidad y frecuencia de las precipitaciones y sequías respec-
tivamente. Asimismo, los patrones espaciales y temporales de las precipitaciones están
cambiando y se proyecta que ante el cambio climático estos aumenten en latitudes al-
tas, mientras que en regiones subtropicales disminuyan. Esto se podría intensificar si se
añade que ocurran cambios en las precipitaciones monzónicas (precipitación intensa en
verano en zonas tropicales originada por vientos cálidos que transportan humedad desde
el océano a continente). Cabe mencionar que cambios en el ciclo hidrológico implican
también un impacto en la producción de agua (escorrentía), que es una vía importante
entre el agua superficial y el agua presente en la atmósfera en forma de vapor (Zheng
et al., 2021). En este contexto, se espera un impacto en la disponibilidad de los recur-
sos hídricos (Buytaert y De Bièvre, 2012; IPCC, 2013; Vuille, 2013), y en el equilibrio
hidrológico, por lo que es necesario entender la problemática para proporcionar una base
científica eficaz en las posibles políticas de adaptación para la gestión de las cuencas
hidrográficas y de los recursos terrestres (Olabanji et al., 2020; Dias et al., 2020)
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.
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.
Considerando los aspectos antes mencionados, el presente Atlas de producción de

agua en el Perú: una evaluación presente y futura con énfasis en las cuencas de
aporte de las EPS ilustra la influencia de los escenarios de cambio climático futuro en la
capacidad de producción de agua en las cuencas de aporte de las EPS a nivel nacional
utilizando el marco de Budyko probabilístico, información que servirá de base para la
determinación de las Áreas de Prestación de Servicios y la promoción de los MERESE.
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.
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
Se emplearon datos diarios grillados precipitación y temperatura (máxima y mínima) de

PISCO (Datos Interpolados Peruanos de las observaciones climatológicas e hidrológicas
del Perú) que presenta una resolución espacial de 0.1° en el periodo 1981-2016.
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)
ponderado y la estimación de anomalías mensuales y diarias usando Regresión Splines

(RP). Los dos productos se suman y se obtiene el producto final. La validación cruzada
de PISCOt v1.1 en el sur de los Andes peruanos muestra errores absolutos medios ba-
jos (MAE) (0-0.5∘ C) y pequeños sesgos que están cerca de cero para las temperaturas
máximas, pero un MAE más alto (hasta 3∘ C) y altos sesgos positivos y negativos (-3 a +
3∘ C) para temperaturas mínimas.
Figura 1. Productos de precipitación (PISCOp) y temperatura máxima (PISCOt) anual

promedio durante 1981-2016. En las mismas figuras se aprecia de fondo las
cuencas de aporte a las empresas prestadores de servicios de saneamiento
(EPS).
Caudal
Se utilizaron datos mensuales de caudales del producto PISCO_HyM_GR2M v1.1 du-

rante el periodo 1981-2016. El producto PISCO_HyM_GR2M (Llauca, 2019) se desar-
rolló utilizando datos grillados de precipitación y evapotranspiración del conjunto de datos
PISCO y el modelo hidrológico conceptual GR2M en 3594 sub-cuencas y ríos en Perú,
incluidas las cuencas transfronterizas, mediante un enfoque de regionalización (14 re-
giones de calibración) utilizando el método de prueba de amplitud de Fourier (FAST) y
dos índices hidro-climáticos.
Figura 2. Producto de caudal (PISCO_HyM_GR2M) anual promedio durante 1981-2016

(Izquierda): y, clasificación de regiones homogéneas de PISCO_HyM_GR2M,
de 14 a 11 (Derecha). Las áreas de fondo negro (y lineas blancas) correspon-
den a cuencas donde los datos de caudal fueron considerados erróneos y por
lo tanto, no utilizados.
El producto tiene un buen desempeño en sub-cuencas de la vertiente del Pacífico y de

la transición Andes-Amazonia; representando adecuadamente la estacionalidad y vari-
abilidad interanual de los caudales. No obstante, la calibración forzada en algunas áreas
(principalmente en la selva norte) donde no se cuenta con mucha información, los datos
se consideran poco confiables. En la Figura 2, se muestra el caudal anual promedio
durante el periodo 1981-2016, a una escala de 0 a 1000 mm, y se observa las áreas
(cuencas) en negro (y lineas blancas) donde no se ha considerado la información de
PISCO_HyM_GR2M debido a lo antes mencionado. En total se removieron 720 cuencas
visualmente. En consecuencia a lo anterior, se reclasifico las regiones hidrológicamente
homogéneas de PISCO_HyM_GR2M considerando que se han unido algunas cuencas
con áreas vecinas. Por lo tanto, de las 14 consideradas en Llauca (2019), se mantu-
vieron estables 11 regiones homogéneas para este estudio (Figura 2), los cuales fueron
empleadas en el marco de Budyko.
Datos de Escenarios de Cambio Climático
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).
Tabla 1. Modelos CMIP5 utilizados en la investigación y sus características.

Modelo Institución / Tipo Resolución Referencia
País Espacial
(∘ lon × ∘ lat)
ACCESS 1.0 CSIRO-BOM AOGCM 1.875 × 1.25 Bi et al. (2013)
Australia
HadGEM2-ES MOHC ChemESM 1.875 × 1.25 Collins et al. (2011)
Reino Unido
MPI-ESM-LR MPI-M ESM 1.875 × 1.875 Jungclaus et al. (2013)
Alemania
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).
En el post-proceso, la precipitación, temperatura máxima y mínima de 12km de resolución

espacial fueron corregidos posteriormente (Luo et al., 2018) utilizando datos del producto
grillado PISCO (Aybar et al., 2019; Huerta et al., 2018). Estos datos fueron complemen-
tados con los del modelo HadGEM2-ES que fue reducido dinámicamente en otro estudio
(SENAMHI, 2016), el cual fue llevado a la resolución espacial de 10km desde su resolu-
ción original de 16km. De esta manera se obtuvo los escenarios climáticos futuros (datos
diarios) para el periodo 2035-2065 a 10 km de resolución espacial a nivel nacional.
Metodología
La elaboración del presente documento sigue los lineamientos de diferentes publica-

ciones científicas (Zhang y Chiew, 2012; Teng et al., 2012; Greve et al., 2015a; Singh
y Kumar, 2015a). En la Figura 3 se muestra el flujo de trabajo de la investigación. En
primer lugar, se establece los datos considerados en el tiempo presente (1982-2011) y
futuros (2036-2065), donde este último proviene de los escenarios de cambio climático.
En el tiempo presente y futuro, se calcula la evapotranspiración potencial (PE) el cual solo
está en función de la temperatura. Después, ya con los datos establecidos (P, PE y Q)
en el tiempo presente, se calibró el modelo de Budyko probabilístico, el cual está en fun-
ción del índice de aridez (PE/P) y ratio de evaporación ([P-Q]/P), utilizando un promedio
móvil de 30 años durante 1982-2016 (1982-2012, 1983-2013, 1984-2014, 1985-2015 y
1986-2016). Con esta información se construyo la distribución empírica del parámetro de
Budyko y se obtuvo la estimación del escurrimiento a nivel grillado en forma de mediana.
Posteriormente, con los datos del tiempo futuro (P y PE) se obtiene valores futuros de es-
currimiento (mediante el Budyko probabilístico ya construido). Luego, con la información
obtenida fue posible cuantificar cambios del escurrimiento y debido al enfoque propuesto
poder estimar una medida de incertidumbre (desviación estándar, coeficiente de variabil-
idad, etc.). Finalmente, se desarrolló mapas de cambios de escurrimiento (producción de
agua) a escala nacional y para las cuencas de aporte de las EPS.
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.
La implementación del estudio se llevó a cabo mediante el lenguaje de programación

Python, el cual se encuentra disponible en github.com/adrHuerta/wa_eps_budyko_cc.
Los mapas fueron realizados en QGIS.
Cálculo de la Evapotranspiración potencial
La evapotranspiración es definida como la cantidad de agua que regresa a la atmósfera

por evaporación, directa del agua del suelo o del agua que se localiza en el aire libre y por
transpiración de las plantas (Hansen et al., 1980). La evapotranspiración potencial (PE)
es la tasa de evapotranspiración que ocurre a partir de un conjunto de suelo húmedo
y plantas, cuando no existen limitaciones de agua, y representa la evapotranspiración
máxima que podría ocurrir a partir de una superficie cubierta de vegetación (Jensen et al.,
1990).
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
Donde: TX es la temperatura máxima, TN es la temperatura mínima y Ra la radiación

extraterrestre.
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).
Originalmente, la curva de Budyko fue propuesta mediante una relación invariante en

el espacio-tiempo (Schreiber, 1904; Ol’Dekop, 1911; Budyko, 1958). No obstante, ex-
perimentos han demostrado que las características de la cuenca y del clima afectan su
posición en la curva. Por lo tanto, las diversas versiones paramétricas de la curva de
Budyko tienen base determinista en su formulación (Fu, 1981b; Koster y Suarez, 1999;
Zhang et al., 2001; Zhou et al., 2015; Wang y Tang, 2014; Zhang et al., 2004, 2008;
Fathi et al., 2019). En este estudio se usa la ecuación de Fu (Ecuación 2; Fu, 1981b), y
esta estípula que las condiciones promedio climáticas a largo plazo mediante PE/P es
el factor primario que controla AE/P (ratio de evapotranspiración real y precipitación). El
parámetro ω integra los efectos secundarios de la variabilidad climática y características
biofísicas como el terreno, suelo, vegetación, etc. (Gentine et al., 2012; Berghuijs et al.,
2014; Greve et al., 2015b).
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 .
Recientemente, una extensión de la base determinista de Budyko ha sido desarrollado,

reformulándolo a un enfoque probabilístico (Greve et al., 2015b). Basado en Greve et al.
(2015b), es posible calibrar la ecuación de Fu (1981b) utilizando la información histórica
disponible para obtener estimaciones óptimas de ω para una cuenca. Debido a la propia
naturaleza de ω que cuenta con un error inherente (de los datos), los ω calibrados a
nivel de cuenca pueden ser agrupados a macro-unidades de cuenca (regiones hidrológi-
camente homogéneas) para obtener distintas distribuciones regionales de ω a nivel na-
cional. En este estudio no se asumirá alguna distribución teórica inicial del parámetro de
la curva de Budyko, sino que se usa directamente la distribución empírica de los datos,
similar a Singh y Kumar (2015b). De esta manera no se pierde información valiosa de los
datos y se mantienen los supuestos en los límites de incertidumbre de las proyecciones
a un mínimo.
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:
• Existen errores en alguno de los datos de Q, PE y/o P.
• La cuenca se encuentra en condiciones de estado no estable (la cuenca hidrográfica

no es natural, puede haber otra fuente de entrada de agua, el cambio en el alma-
cenamiento no puede ser simplificado, otras variables toman importancia, etc.).
Aunque la formulación de Budyko fue originalmente basado a escalas temporales largas

(anual a climatológico) y considerando escalas espaciales grandes. En este trabajo se uti-
lizó valores promedios climáticos de 30 años durante 1982-2016. Debido a la necesidad
de tener mayor información, se realizó un promedio móvil de 30 años durante el periodo
1982-2016, obteniéndose de esta manera unos seis tiempos de calibración (1982-2012,
1983-2013, 1984-2014, 1985-2015 y 1986-2016). Considerando esto, la escala temporal
es aceptable, sin embargo, a escala espacial no se definió un valor mínimo de área de
cuenca, ya que en la literatura no se tiene un valor mínimo como tal (por ejemplo, en
Zhang et al. (2004) se utilizaron cuencas cuyas áreas varían entre 50 y 2000 km2 ; y en
Budyko (1958) cuencas mayores a 10000 km2 ). Por lo tanto, la restricción de alguna
cuenca se basó solo si se sobrepasaba los límites del espacio de Budyko.
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:
• El valor de ω vario dentro del rango de 1.1 a 5.
• Por cada región hidrológicamente homogénea (Figura 2) se seleccionó aleatoria-

mente 5 cuencas, por lo que para un tiempo se obtuvo un total 55 cuencas para
construir la curva de Budyko.
• Para cada valor dentro del rango de ω se estimó Q mediante la Ecuación 3.
• Se calculó la métrica Nash–Sutcliffe para el rango de ω seleccionado.
• Se seleccionó aquel valor de ω con el máximo valor de Nash–Sutcliffe.
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).
Impacto del cambio climático sobre la producción de agua
La disponibilidad de la producción de agua, es decir, de los recursos hídricos se puede

evaluar y definir mediante la diferencia entre el escurrimiento presente y futuro.
Disponibilidad del escurrimiento
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.
Los valores de P y PE futuros fueron obtenidos a partir de los escenarios de cambio

climático. En ese sentido, se puede estimar Q futuro en forma de distribución de prob-
abilidad (considerando la distribución empírica de ω). Entonces la producción de agua
(escurrimiento) debido al cambio climático fue calculado como el cambio relativo de sus
valores históricos con respecto al futuro:
ΔQ
x100 (4)
Q
Donde, Q es la producción de agua a largo plazo histórico (1982-2011) y ΔQ es el cambio

histórico con respecto al futuro (2036-2065) de la producción de agua, en función a ello
se puede determinar el impacto del cambio climático sobre la producción de agua. Para
el resto de variables (P y PE) también se aplicó la misma formulación.
Resultados y Discusiones
Aplicación del Budyko probabilístico
Para un mayor entendimiento de la metodología propuesta, esta sección describe la

aplicación de Budyko probabilístico para la estimación del escurrimiento anual promedio
(1982-2011) a nivel nacional (Figura 5).
Para la aplicación de Budyko probabilístico fue requerido la información disponible de las

variables Q, PE y P a escala de climatología anual (promedio de 30 años) los cuales
provienen de los productos PISCO. Estos datos corresponden al valor promedio por área
de cuenca. Debido a que la formulación de Budyko es solo aceptable bajo los límites de
agua (AE < P) y energía (AE < PE), las cuencas deben estar o ser consideradas dentro
de condiciones estables, es decir cada cuenca debe ser natural, cerrada y la única fuente
de agua disponible para la evaporación debe ser la precipitación (Du et al., 2016). En
función a ello, las cuencas que no cumplían con lo establecido fueron removidas para los
subsecuentes procesos. Se debe mencionar que se eliminaron un total de 1500 cuencas
(agregando lo que se eliminó por un análisis exploratorio visual) por cada paso de tiempo
(6) y realización (10). Las cuencas que finalmente fueron utilizadas se aprecia dentro de
la curva de Budyko en la Figura 5.
Para determinar el valor de ω de Budyko se utilizó la información descrita anteriormente

y la Ecuación 3. Se calculó la métrica Nash–Sutcliffe utilizando el valor estimado de es-
currimiento de Budyko y observado (PISCO_HyM_GR2M). Un total de 55 cuencas (cinco
cuencas correspondiente a cada una de las regiones de la Figura 2) fueron consideradas.
Entonces, el parámetro ω que maximiza la métrica Nash–Sutcliffe fue seleccionado. Este
proceso fue realizado por cada paso de tiempo (6) y realización (10), por ende, se ob-
tuvo una distribución empírica de ω de sesenta valores. Se observa que la distribución
empírica de ω se encuentra en un rango de 1.24 a 1.34 (Figura 5).
La distribución empírica de ω es única y representa a todo el territorio nacional. Es posible

construir la distribución empírica por cada región hidrológicamente homogénea (Figura
2). Previos análisis demostraron que es posible obtener una menor incertidumbre en la
estimación del escurrimiento mediante la construcción de una distribución empírica por
cada región. Sin embargo, tal situación conllevaría a una reducida coherencia espacial
en la escorrentía debido a los límites de las regiones. Asimismo, la falta de información
(en la parte Amazónica) reduce su capacidad para una coherente estimación. Es debido
a lo anterior que se optó por una única distribución empírica de ω.
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.
Con la distribución empírica de ω y en conjunto con los datos grillados de P y PE (prome-

dio anual durante 1982-2011) en el tiempo presente se estima el escurrimiento promedio
anual. Debido a la naturaleza del enfoque, estos valores de escurrimiento también tiene
una distribución y en función a ello es también posible estimar estadísticos como la me-
diana y el coeficiente de variabilidad a nivel nacional. En la Figura 5 se aprecia que la
parte Amazónica, los valores de la mediana son superiores a los 2000 mm, en los Andes
los valores están en un rango de 100 a 1000 mm y en la vertiente del Pacífico la mediana
presenta valores de escurrimiento inferiores a 100 mm. Con respecto al coeficiente de
variación calculado, en general existe buena confiabilidad en los datos de escurrimiento
calculados en el tiempo presente, siendo la mayor confiabilidad debido a la poca vari-
abilidad (valores próximos a cero) en los Andes y Amazonas; y menor confiabilidad en la
costa sur (valores cercanos a 1). Para el tiempo futuro se utiliza también la distribución
empírica de la Figura 5. De esta manera se obtiene valores de producción de agua anual
promedio futuro (2036-2065).
Cambios en Precipitación, Temperatura y Evapotranspiración

potencial
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.
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
Cambios en Producción de agua
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.
Dado que el escurrimiento (Q) se estima en función de la precipitación y la evapotran-

spiración potencial, los cambios que se puedan generar en Q pueden ser explicados por
los cambios que ocurran en P y PE. Al analizar los resultados obtenidos en el escurrim-
iento con los cambios en las variables P y PE; existe una mayor influencia de P sobre los
cambios en Q, ya que a nivel espacial ambos muestran gran similitud. En la parte norte
de la vertiente del Pacífico, se observo que P tiene una mayor contribución de cambio en
Q que PE, ya que esta tiende a valores nulos. Por otro lado, al sur del país, se encontró
cambios positivos tanto P y PE, lo que conllevo a un aumento en Q, demostrando el re-
ducido impacto de PE sobre Q. En general, se apreció visualmente que P es la variable
más importante para explicar el cambio de Q y que su influencia depende de la región de
análisis. Un mayor investigación de la influencia es necesario a escalas locales.
Los resultados obtenidos fueron similares a lo encontrado en Lavado-Casimiro et al.

(2021) donde se evalúa el impacto del cambio climático sobre la oferta hídrica basados
en simulaciones con el modelo hidrológico SWAT (“Soil and Water Assessments Tools”)
y considerando los tres modelos de cambio climático empleados en este estudio. En
Lavado-Casimiro et al. (2021) se encontraron más disminuciones que incremento en Q
a nivel nacional. A nivel de vertiente del Pacífico se observaron cambios positivos en la
región norte y en la vertiente del Titicaca (≤30% en ambas regiones), en la vertiente del
Pacífico centro y sur los cambios negativos fueron superior a -30%. Además, no se en-
contraron cambios significativos (entre -5% y 5%) en la región noroeste Amazónica. Lo
descrito es congruente con lo obtenido en este estudio. Se debe destacar que mediante
el método propuesto se ha podido obtener los cambios en el escurrimiento a nivel gril-
lado, siendo esta una ventaja importante sobre la información limitada a nivel espacial de
cuenca.
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
Cambios en Producción de agua a escala de EPS
Considerando que la información generada se encuentra a nivel nacional y de forma con-

tinua en el espacio. Entonces es también factible la caracterización del escurrimiento a
escala de EPS. Para tal propósito se desarrollaron mapas de cambios de escurrimiento
por cada EPS (48). Para una ilustración y con fines de entendimiento para los diferentes
tomadores de decisiones, se describe un ejemplo para una EPS: EPS NOR PUNO S.A.
En el mapa de disponibilidad hídrica de EPS NOR PUNO S.A (Figura 8) se muestra en

primer lugar la distribución a nivel espacial del escurrimiento (mm/año) en el tiempo pre-
sente (1982-2011) y futuro (2036-2065) con los tres modelos de escenarios de cambio
climático (ACCESS 1.0, HadGEM2-ES y MPI-ESM-LR). Adicionalmente se aprecia dia-
gramas de cajas que permiten identificar la distribución del escurrimiento a nivel de grilla.
El diagrama de cajas corresponde al valor del escurrimiento por el tiempo presente y fu-
turo. También se muestra un diagrama de cajas de los cambios del escurrimiento futuro
con respecto al presente (es decir, la aplicación de la Ecuación 4). Los valores mas im-
portantes describen el promedio (punto) y mediana (linea) en el diagrama de cajas. En
base a esta información, el escurrimiento oscilan entre 200 a 1200 mm (presente) y en
el futuro se esperan valores en un rango de 200 a 1600 mm (variando por cada modelo).
En los tres modelos evaluados el mayor incremento del escurrimiento se daría en la zona
noroeste de la EPS. Cabe resaltar que el modelo HadGEM2-ES estima un mayor cam-
bio hacia el incremento en 25.2% en promedio; el modelo MPI-ESM-LR el cambio no es
muy significativo, alcanzado el valor de 7.4% en promedio; mientras que ACCESS 1.0 se
muestra un escenario de decrecimiento en el escurrimiento, llegando -8.4% en promedio.
A partir de estos datos se evidencia que existe una discordancia entre los modelos lo que
permite inferir que no hay una certeza en la señal hacia el incremento o disminución del
escurrimiento en el futuro para la EPS NOR PUNO S.A.
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.
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
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
Mapa de escurrimiento (1982-2011)
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

evaluación presente y futura con énfasis en
las cuencas de aporte de las EPS
Mapa de escurrimiento (1982-2011)
Escala: Indicada Datum: WGS84 Mapa:
Fecha: 12/2021 Formato: A4 M-01

Mapa de escurrimiento (2036-2065) - ACCESS 1.0
LEYENDA
200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas

Mapa de escurrimiento (2036-2065) -
ACCESS 1.0

Mapa de escurrimiento (2036-2065) - HadGEM2-ES
LEYENDA
200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas

HadGEM2-ES

Mapa de escurrimiento (2036-2065) - MPI-ESM-LR
LEYENDA
200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas

Mapa de escurrimiento (2036-2065) - MPI-
ESM-LR

Mapa de escurrimiento (2036-2065) - Promedio
LEYENDA
200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas

promedio

Presente (1982−2011) ACCESS 1.0 (2036−2065)
EMAPA CAÑETE S.A.
HadGEM2−ES (2036−2065) MPI−ESM−LR (2036−2065) LEYENDA

200 2000
Límites
400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

Mapas de disponibilidad hídrica a nivel de EPS

Mapa de disponibilidad hídrica
EMAPA CAÑETE S.A.
Escala: Indicada Datum: WGS-84 Mapa:
Fecha: 12/2021 Formato: A4 DH-01

29
30
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EMAPA HUANCAVELICA S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EMAPA HUANCAVELICA S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EMAPA HUARAL S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EMAPA HUARAL S.A.

31
32
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EMAPA PASCO S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


MAPA PASCO S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EMAPA SAN MARTIN S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EMAPA SAN MARTIN S.A.

33
34
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EMAPA YUNGUYO S.R.L

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EMAPA YUNGUYO

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200
EMAPAB S.A. (EPS de la ciudad de Bagua)
2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EMAPAB S.A.

35
36
Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
EMAPACOP S.A. (EPS de la ciudad de Pucallpa)
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EMAPACOP S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
EMAPAVIGS S.A (EPS de la ciudad de Nazca)
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EMAPAVIGS S.A.

37
38
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EMAPISCO S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EMAPISCO S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
EMPSSAPAL S.A. (EPS de la ciudad de Sicuani)
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EMPSSAPAL S.A.

39
40
Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
EMSAP CHANKA S.A. (EPS de la ciudad de Andahuaylas)


EMSAP CHANKA S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EMSAPA CALCA S.A

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EMSAPA CALCA S.A

41
42
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS EMUSAP ABANCAY S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EPS EMUSAP ABANCAY S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
EMUSAP S.A. (EPS de la ciudad de Chachapoyas)
1200 3000
Océano y lagunas

EMUSAP S.A.

43
44
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS AGUAS DE LIMA NORTE S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EPS AGUAS DE LIMA NORTE S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

AGUAS DEL ALTIPLANO S.R.L. (EPS de la ciudad de Ayaviri)

AGUAS DEL ALTIPLANO S.R.L.

45
46
Presente (1982−2011) ACCESS 1.0 (2036−2065)

ATUSA S.A. (EPS de la ciudad de Tumbes)
200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


ATUSA S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N CHAVIN S.A

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

CHAVIN S.A.

47
48
Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
EMAPAT S.A. (EPS de la ciudad de Puerto Maldonado)


EMAPAT S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS EMAPICA S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EPS EMAPICA S.A.

49
50
Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
EMAQ S.R.L. (EPS de la ciudad de Quillabamba
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EMAQ S.R.L.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS GRAU S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EPS GRAU S.A.

51
52
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS ILO S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EPS ILO S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS MUNICIPAL MANTARO S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EPS MUNICIPAL MANTARO S.A.

53
54
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS MARAÑON S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EPS MARAÑON S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS MOQUEGUA S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EPS MOQUEGUA S.A.

55
56
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS MOYOBAMBA S.R.L.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EPS MOYOBAMBA S.R.L.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS NOR PUNO S.A.

200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas

EPS NOR PUNO S.A.

57
58
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS RIOJA S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EPS RIOJA S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
EPS SEDACAJ S.A. (EPS de la ciudad de Cajamarca)

EPS SEDACAJ S.A.

59
60
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS SEDAJULIACA S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EPS SEDAJULIACA S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EPS SELVA CENTRAL (EPS de la ciudad de Chanchamayo)

EPS SELVA CENTRAL S.A

61
62
Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
EPS SEMAPACH (EPS de la ciudad de Chincha)
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EPS SEMAPACH

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas
SIERRA CENTRAL S.R.L. (EPS de la ciudad de Tarma)

SIERRA CENTRAL S.R.L

63
64
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS TACNA S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


EPS TACNA S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800
EPSEL S.A. (EPS de la ciudad de Lambayeque)
2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

EPSEL S.A.

65
66
Presente (1982−2011) ACCESS 1.0 (2036−2065)

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
EPSSMU S.A. (EPS de la ciudad de Bagua Grande)
Océano y lagunas


EPSSMU S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N SEDA AYACUCHO S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas

SEDA AYACUCHO S.A.

67
68
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N SEDACUSCO S.A.

200 2000
Límites 400 2200
Ríos
600 2400
Departamental
800 2600
Internacional
1000 2800
Subcuencas EPS
1200 3000
Océano y lagunas


SEDA CUSCO S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N SEDA HUANUCO S.A.

200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas

SEDA HUANUCO S.A.

69
70
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N SEDA CHIMBOTE S.A.

200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas


SEDA CHIMBOTE S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200
SEDALIB S.A. (EPS de la ciudad de Trujillo
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas

SEDALIB S.A

71
72
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N EPS SEDALORETO S.A.

200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas


SEDALORETO S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)
N SEDAM HUANCAYO S.A.

200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas

SEDAM HUANCAYO S.A.

73
74
Presente (1982−2011) ACCESS 1.0 (2036−2065)

SEDAPAL S.A (EPS de la ciudad de Lima

200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas


SEDAPAL S.A.

Presente (1982−2011) ACCESS 1.0 (2036−2065)

200
Límites 400
Ríos
SEDAPAR S.A.(EPS de la ciudad de Arequipa
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas

SEDAPAR S.A.

75
76
Presente (1982−2011) ACCESS 1.0 (2036−2065)
N SEMAPA BARRANCA S.A.

200
Límites 400
Ríos
600
Departamental
800
Internacional
1200
Subcuencas EPS
1600
Océano y lagunas


SEMAPA BARRANCA S.A.

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.
Barnett, T. P., Adam, J. C. y Lettenmaier, D. P. (2005), ‘Potential impacts of a warming

climate on water availability in snow-dominated regions’, Nature 438(7066), 303.
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.
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.
Fathi, M. M., Awadallah, A. G., Abdelbaki, A. M. y Haggag, M. (2019), ‘A new budyko

framework extension using time series sarimax model’, Journal of Hydrology 570, 827–
838.
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).
Greve, P., Gudmundsson, L., Orlowsky, B. y Seneviratne, S. I. (2015a), ‘Introducing a

probabilistic budyko framework’, Geophysical Research Letters 42(7), 2261–2269.
Greve, P., Gudmundsson, L., Orlowsky, B. y Seneviratne, S. I. (2015b), ‘Introducing a

probabilistic Budyko framework’, Geophysical Research Letters 42(7), 2261–2269.
Hansen, V. E., Israelsen, O. W. y Stringham, G. E. (1980), Irrigation principles and prac-

tices, Technical report, Wiley New York.
Hargreaves, G. H. y Samani, Z. A. (1985), ‘Reference crop evapotranspiration from tem-

perature’, Applied engineering in agriculture 1(2), 96–99.
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. (2020), ‘Vulnerabilidad de la disponibilidad de los recursos hídricos en el perú

frente al cambio climático: análisis probabilístico de” budyko”’.
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’.
Huerta, A. y Lavado-Casimiro, W. (2021b), ‘Trends and variability of precipitation extremes

in the peruvian altiplano (1971–2013)’, International Journal of Climatology 41(1), 513–
528.
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.
Janjić, Z. I. (1994), ‘The step-mountain eta coordinate model: Further develop-

ments of the convection, viscous sublayer, and turbulence closure schemes’,
Monthly weather review 122(5), 927–945. https://doi.org/10.1175/1520-
0493(1994)122<0927:TSMECM>2.0.CO;2.
Jensen, M. E., Burman, R. D. y Allen, R. G. (1990), Evapotranspiration and irrigation water

requirements, ASCE.
Jin, M. y Dickinson, R. E. (2010), ‘Land surface skin temperature climatology: Ben-

efitting from the strengths of satellite observations’, Environmental Research Letters
5(4), 044004. https://iopscience.iop.org/article/10.1088/1748-9326/5/4/044004/meta.
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.
Koster, R. D. y Suarez, M. J. (1999), ‘A simple framework for examining the interannual

variability of land surface moisture fluxes’, Journal of Climate 12(7), 1911–1917.
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.
Lavado-Casimiro, W., Traverso, K. y Gutierrez, L. (2021), ‘Atlas de hidrología del perú:

una evaluación presente y futura’.
Llacza, A. y Jacome, G. (2018), ‘Dynamic regionalization over peru: Hadgem2-es/wrf’,

Poster presentado en CORDEX Central America and South America Training Workshop
on Downscaling Techniques.
Llauca, H. (2019), ‘Modelamiento hidrológico a paso mensual para el monitoreo de se-

quías hidrológicas en cuencas de la vertiente del pacífico y del titicaca’.
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.
Poujol, B., Mooney, P. y Sobolowski, S. (2021), ‘Physical processes driving intensifica-

tion of future precipitation in the mid-to high latitudes’, Environmental Research Letters
16(3), 034051.
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.
SENAMHI (2016), ‘Estudio de vulnerabilidad climática de los recursos hídricos en las

cuencas de los ríos chillón, rímac, lurín y parte alta del mantaro (resumen ejecutivo)’.
URL: https://hdl.handle.net/20.500.12542/124
Singh, R. y Kumar, R. (2015a), ‘Vulnerability of water availability in india due to climate

change: A bottom-up probabilistic budyko analysis’, Geophysical Research Letters
42(22), 9799–9807.
Singh, R. y Kumar, R. (2015b), ‘Vulnerability of water availability in India due to climate

change: A bottom-up probabilistic Budyko analysis’, Geophysical Research Letters
42(22), 9799–9807.
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’.
Sposito, G. (2017), ‘Understanding the budyko equation’, Water 9(4), 236.
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.
Touzé-Peiffer, L., Barberousse, A. y Le Treut, H. (2020), ‘The coupled model intercompar-

ison project: History, uses, and structural effects on climate research’, WIREs Climate
Change 11(4), e648.
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.
Vicente-Serrano, S. M., Beguería, S., López-Moreno, J. I., García-Vera, M. A. y Stepanek,

P. (2010), ‘A complete daily precipitation database for northeast spain: reconstruction,
quality control, and homogeneity’, International Journal of Climatology 30(8), 1146–
1163.
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.
Xiong, L. y Guo, S. (2012), ‘Appraisal of budyko formula in calculating long-term water

balance in humid watersheds of southern china’, Hydrological processes 26(9), 1370–
1378.
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., Dawes, W. y Walker, G. (2001), ‘Response of mean annual evapotranspiration

to vegetation changes at catchment scale’, Water resources research 37(3), 701–708.
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.

Atlas Producción de Agua en El Perú Una Evaluación Presente y Futura Con Énfasis en Las Cuencas de Aporte de Las EPS 2021

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Atlas Producción de Agua en El Perú Una Evaluación Presente y Futura Con Énfasis en Las Cuencas de Aporte de Las EPS 2021

Cargado por

Copyright:

Formatos disponibles

ATLAS

Producción de agua en el Perú:

Con énfasis en las cuencas de aporte de las EPS

Adrian Huerta Waldo Lavado

ATLAS DE PRODUCCIÓN DE AGUA EN EL PERÚ: UNA EVALUACIÓN PRESENTE Y

MINISTERIO DEL AMBIENTE

Ministro del Ambiente

SERVICIO NACIONAL DE METEOROLOGÍA E HIDROLOGÍA DEL PERÚ (SENAMHI)

Presidente Ejecutivo del Servicio Meteorológico e Hidrológico del Perú

Subdirector de Estudios e Investigaciones Hidrológicas

SUPERINTENDENCIA NACIONAL DE SERVICIOS DE SANEAMIENTO (SUNASS)

Presidente Ejecutivo de la Superintendencia Nacional de Servicios de Saneamiento

Autores: Adrian Huerta y Waldo Lavado

Todos los derechos reservados.

Ivan M. Lucich Larrauri

En este trabajo se utiliza datos de precipitación (P) y evapotranspiración potencial (PE)

Los resultados evidencian en general más disminuciones que incremento de producción

Mapa de escurrimiento (1982-2011) 24

Mapa de escurrimiento (2036-2065) - ACCESS 1.0 25

Mapa de escurrimiento (2036-2065) - HadGEM2-ES 26

Mapa de escurrimiento (2036-2065) - MPI-ESM-LR 27

Mapa de escurrimiento (2036-2065) - Promedio 28

Mapas de disponibilidad hídrica a nivel de EPS 29

EMPSSAPAL S.A. (EPS de la ciudad de Sicuani) . . . . . . . . . . . . . . . 39

De acuerdo al último reporte del Panel Intergubernamental sobre el Cambio Climático

Considerando los aspectos antes mencionados, el presente Atlas de producción de

Se emplearon datos diarios grillados precipitación y temperatura (máxima y mínima) de

ponderado y la estimación de anomalías mensuales y diarias usando Regresión Splines

Figura 1. Productos de precipitación (PISCOp) y temperatura máxima (PISCOt) anual

Se utilizaron datos mensuales de caudales del producto PISCO_HyM_GR2M v1.1 du-

Figura 2. Producto de caudal (PISCO_HyM_GR2M) anual promedio durante 1981-2016

El producto tiene un buen desempeño en sub-cuencas de la vertiente del Pacífico y de

Datos de Escenarios de Cambio Climático

Tabla 1. Modelos CMIP5 utilizados en la investigación y sus características.

En el post-proceso, la precipitación, temperatura máxima y mínima de 12km de resolución

La elaboración del presente documento sigue los lineamientos de diferentes publica-

La implementación del estudio se llevó a cabo mediante el lenguaje de programación

Cálculo de la Evapotranspiración potencial

La evapotranspiración es definida como la cantidad de agua que regresa a la atmósfera

Donde: TX es la temperatura máxima, TN es la temperatura mínima y Ra la radiación

Originalmente, la curva de Budyko fue propuesta mediante una relación invariante en

Recientemente, una extensión de la base determinista de Budyko ha sido desarrollado,

• Existen errores en alguno de los datos de Q, PE y/o P.

• La cuenca se encuentra en condiciones de estado no estable (la cuenca hidrográfica

Aunque la formulación de Budyko fue originalmente basado a escalas temporales largas

• El valor de ω vario dentro del rango de 1.1 a 5.

• Por cada región hidrológicamente homogénea (Figura 2) se seleccionó aleatoria-

• Para cada valor dentro del rango de ω se estimó Q mediante la Ecuación 3.

• Se calculó la métrica Nash–Sutcliffe para el rango de ω seleccionado.

• Se seleccionó aquel valor de ω con el máximo valor de Nash–Sutcliffe.

Impacto del cambio climático sobre la producción de agua

La disponibilidad de la producción de agua, es decir, de los recursos hídricos se puede

Disponibilidad del escurrimiento

Los valores de P y PE futuros fueron obtenidos a partir de los escenarios de cambio

Donde, Q es la producción de agua a largo plazo histórico (1982-2011) y ΔQ es el cambio

Aplicación del Budyko probabilístico

Para un mayor entendimiento de la metodología propuesta, esta sección describe la

Para la aplicación de Budyko probabilístico fue requerido la información disponible de las

Para determinar el valor de ω de Budyko se utilizó la información descrita anteriormente

La distribución empírica de ω es única y representa a todo el territorio nacional. Es posible

Con la distribución empírica de ω y en conjunto con los datos grillados de P y PE (prome-

Cambios en Precipitación, Temperatura y Evapotranspiración

Cambios en Producción de agua

Dado que el escurrimiento (Q) se estima en función de la precipitación y la evapotran-