3. potencial impacto del cambio climático sobre el

© 2012, CONDESAN, SGCAN
Secretaría General de la Comunidad Andina
Av. Aramburú - Cuadra 4, Esquina con Paseo de la República
San Isidro, Lima 27, Perú
Tel. +51 1 7106400 / Fax: +51 1 2213329
www.comunidadandina.org
Consorcio para el Desarrollo Sostenible de la Ecorregión Andina – CONDESAN
Oficina en Lima-Perú:
Mayorazgo 217, San Borja Lima 41
Tel. +511 6189 400
Oficina en Quito-Ecuador:
Germán Alemán E 12-28 y Juan Ramírez
Tel. +593 2 2469072/073
[email protected]
www.condesan.org
Coordinación general del Estudio Panorama Andino sobre Cambio Climático:
Francisco Cuesta
Coordinador de la Iniciativa de Estudios
Ambientales Andinos
CONDESAN
[email protected]
María Teresa Becerra
Responsable del Área de Medio Ambiente
Secretaría General de la Comunidad Andina
[email protected]
Se permite la reproducción de este libro para fines no comerciales,
siempre y cuando se cite la fuente.
Cita sugerida:
Buytaert, W., Tovar, C., de Bièvre, B. 2011. Potenciales impactos del cambio climático sobre el balance hídrico
de los Andes Tropicales. Serie Panorama Andino sobre Cambio Climático. CONDESAN, SGCAN. Lima-Quito.
Este documento forma parte del material suplementario del libro Panorama Andino sobre Cambio Climático:
Vulnerabilidad y Adaptación en los Andes Tropicales, elaborado por CONDESAN en el marco del trabajo
interinstitucional con la Secretaría General de la Comunidad Andina (SGCAN), el Centro Internacional de
Agricultura Tropical (CIAT), el Centro de Datos para la Conservación Universidad Nacional Agraria La
Molina, Imperial College of London, el Programa Regional ECOBONA de INTERCOOPERATION, y el apoyo
de la Agencia Española de Cooperación Internacional para el Desarrollo (AECID) y la Agencia Suiza para el
Desarrollo y la Cooperación (COSUDE). La información contenida en este documento incorpora resultados de
la discusión técnica de los autores y no representa necesariamente posiciones de CONDESAN o de la Secretaría
General de la Comunidad Andina o de los Países Miembros.
Potenciales impactos del cambio climático sobre el balance
hídrico de los Andes Tropicales
WOUTER BUYTAERT1, CAROLINA TOVAR2, BERT DE BIÈVRE3
1
Imperial College London [email protected]
2
CDC, La Molina [email protected]
3
Consorcio para el Desarrollo de la Ecorregión Andina [email protected]
RESUMEN
Es probable que el cambio climático tenga un gran impacto en los recursos hídricos a nivel
mundial. Sin embargo, evaluar los potenciales cambios en el ciclo hidrológico es complicado,
especialmente en zonas con una alta variabilidad climática y bajo conocimiento de los
procesos hídricos. Este proceso de predicción está dificultado por modelos inapropiados, la
falta de datos para ingreso y calibración de dichos modelos, y la ausencia de recursos
requeridos para correr los modelos a escalas apropiadas, lo cual que ayudaría a resolver los
gradientes y procesos a escalas relevantes para el manejo de recursos hídricos. Este estudio
evalúa el estado del arte de la predicción del impacto de cambio climático sobre los recursos
hídricos de los Andes Tropicales. Esta zona está caracterizada por uno de los sistemas
climáticos más complejos del mundo con gradientes extremos de precipitación y temperatura.
Así mismo, los elementos del ciclo hídrico son extremadamente variables, incluyendo
influencia de glaciares, humedales, diferentes tipos de bosques y sistemas extensos de aguas
subterráneas.
En la primera parte del estudio, se evalúan las predicciones y la capacidad predictiva del
conjunto de modelos globales de clima adoptado por el IPCC. En promedio, los modelos
predicen un ligero incremento de precipitación (alrededor de 10%) y un incremento de la
temperatura (alrededor de 3°C) dependiendo del período de predicción y el escenario de
emisión. Sin embargo en la zona de los Andes, la discrepancia entre los modelos es muy alta
especialmente en el caso de la precipitación, lo cual se atribuye a las diferencias en la
representación de la topografía y los procesos climáticos sobre la cordillera. Aunque la
predicción promedio es un incremento de precipitación, varios modelos predicen una
disminución dramática, generando incongruencia entre los modelos de clima en cuanto a la
dirección del cambio de precipitación. Por lo tanto, se puede concluir que la implementación
de métodos de desagregación (“downscaling”) es necesaria para bajar la incertidumbre de las
proyecciones. Sería ideal implementar un ensamblaje de modelos regionales de clima,
acoplado con todo el ensamblaje de modelos globales. Así se usaría de una manera óptima la
información disponible en el conjunto de modelos globales y se podría evaluar el desempeño
tanto de las proyecciones globales como de los modelos de desagregación. Lamentablemente,
el desarrollo de tales modelos para los Andes Tropicales se encuentra en una fase muy
preliminar. Por ende, el presente estudio evalúa solo un modelo regional, PRECIS, a fin de
evaluar el potencial de modelos regionales para disminuir la incertidumbre en las
proyecciones globales. Se concluye que la aplicación de un modelo regional para bajar la
escala de los modelos globales de clima no necesariamente mejora la representación del
clima. Un mayor incremento en la resolución, combinado con una mejor disponibilidad y
asimilación de datos, será necesario para representar gradientes locales apropiadamente.
En la segunda parte del estudio se acoplan los modelos globales de cambio climático a un
modelo regional del balance hídrico desarrollado específicamente para la zona Andina, para
determinar la disponibilidad física de agua en el suelo. La tendencia más notable es un
incremento de la evapotranspiración por la vegetación y las superficies húmedas como
resultado del incremento de la temperatura. En la predicción promedio del conjunto de
modelos globales de clima, el incremento de la evapotranspiración esta compensado por un
incremento en la precipitación, resultando así en un efecto total limitado sobre las tazas de
agua disponibles para recargar acuiferos y escorrer en los cursos de agua. Sin embargo, la
variabilidad de las proyecciones del conjunto de modelos se propaga por el modelo
hidrológico, lo que genera un rango de predicción muy amplio, incluyendo escenarios de
aumento dramático de estrés hídrico.
La naturaleza del modelo de balance hídrico y la falta de datos hidrológicos regionales no
permiten calcular la distribución del agua sobre acuíferos y cursos de agua, y así calcular
potenciales cambios en ambos sistemas hidrológicos a nivel regional. Por ende, en la tercer
parte del estudio, se presenta un estudio de caso más detallado investigando el impacto del
cambio climático sobre el régimen de una cuenca específica con buena disponibilidad de
información. Se ha escogido una subcuenca del río Paute, Ecuador, por su importancia
económica y la disponibilidad de datos. El análisis muestra que la aplicación de un modelo
lluvia – escorrentía, para traducir las proyecciones climáticas a cambios de caudal, constituye
una pequeña pero no insignificante fuente adicional de incertidumbre.
TABLA DE CONTENIDOS
1. INTRODUCCIÓN ............................................................................................................ 1
2. ANALISIS Y DESAGREGACION DE LAS PROJECCIONES DE CAMBIOS DE
TEMPERATURA Y PRECIPITACIÓN EN LOS ANDES TROPICALES ...................... 4
INTRODUCCIÓN ............................................................................................................................... 4
Los cambios en el clima de los Andes: estado actual de la investigación .................................. 4
Las proyecciones y la desagregación de modelos globales de clima ......................................... 5
DATOS ............................................................................................................................................. 6
RESULTADOS Y DISCUSIÓN ............................................................................................................. 7
Proyecciones de cambio climático ............................................................................................. 7
Evaluación de la desagregación con PRECIS.......................................................................... 10
3. POTENCIAL IMPACTO DEL CAMBIO CLIMÁTICO SOBRE EL BALANCE
HIDRICO DE LOS ANDES TROPICALES ...................................................................... 13
DATOS Y GENERACIÓN DE CONDICIONES CLIMÁTICAS FUTURAS ................................................. 13
MODELIZACIÓN HIDROLÓGICA ..................................................................................................... 14
PROYECCIONES DE DISPONIBILIDAD DE AGUA.............................................................................. 16
Proyecciones promedias ........................................................................................................... 16
Estacionalidad .......................................................................................................................... 18
Proyecciones extremas ............................................................................................................. 18
ANÁLISIS DE DISPONIBILIDAD DE INFORMACIÓN .......................................................................... 20
4.
ESTUDIO DE CASO: CUENCA DEL RIO PAUTE, ECUADOR ............................ 22
INTRODUCCIÓN ............................................................................................................................. 22
LA CUENCA DEL RÍO PAUTE .......................................................................................................... 23
MÉTODOS ...................................................................................................................................... 23
Proyecciones de cambio climático ........................................................................................... 23
Modelización hidrológica ......................................................................................................... 23
Calibración del modelo hidrológico y análisis de incertidumbre ............................................ 24
RESULTADOS Y DISCUSIONES ....................................................................................................... 25
Proyecciones de clima a nivel local ......................................................................................... 25
Impacto del cambio climático sobre el régimen de caudal del río Paute ................................ 26
5. RELEVANCIA DEL ESTUDIO PARA LOS RECURSOS HIDRICOS EN LOS
ANDES .................................................................................................................................... 27
6. CONCLUSIONES .......................................................................................................... 28
7. REFERENCIAS .............................................................................................................. 30
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Análisis de los potenciales impactos del cambio climático
sobre el balance hídrico de los Andes Tropicales
1. INTRODUCCIÓN
Es muy probable que el cambio climático global tenga un fuerte impacto en los recursos
hídricos en muchas regiones del mundo (Bates et al. 2008). La gran mayoría de los
reservorios de agua superficial (cuerpos y cursos de agua) y subsuperficial (acuíferos)
dependen de la precipitación como la entrada principal de agua. Por consecuencia, cualquier
cambio en la cantidad, intensidad o la distribución espacial y temporal tendrá un efecto sobre
la disponibilidad física de agua en el ambiente. Además, mayores temperaturas conllevarán a
un incremento de la evaporación de las capas de vegetación húmeda, los suelos expuestos al
aire y las superficies de los cuerpos agua, así como una mayor transpiración de la vegetación.
Eso afectará otros componentes del ciclo hídrico como la humedad del suelo, escorrentía,
infiltración, entre otros (Figura 1). Además, esos cambios también modificarán el contenido
de vapor de agua atmosférico, lo cual puede retroalimentar a los cambios en los patrones de
precipitación a gran escala y en la frecuencia de eventos extremos. El entendimiento de las
implicaciones del cambio climático sobre estos procesos hidrológicos y sus
retroalimentaciones es de gran importancia para el planeamiento y manejo sostenible de los
recursos hídricos a largo plazo.
Estudios sobre el impacto del cambio climático generalmente usan las proyecciones
climáticos del conjunto de Modelos de Circulación Global (GCMs) generadas por varios
grupos de investigación mundial bajo la coordinación del IPCC (2001, 2007). En los estudios
de impacto hídrico se combinan los resultados de los GCMs con modelos hidrológicos para
traducir los cambios en las variables atmosféricas a variables que tienen relevancia directa
para el manejo de recursos hídricos, como el caudal de un río o una microcuenca. Sin
embargo, el acoplamiento de los GCMs con los modelos hidrológicos es un gran reto. El
principal problema es la diferencia entre la escala espacial de las proyecciones de cambio
climático y la resolución más fina de las variables, ésta es necesaria para desarrollar modelos
útiles para el manejo de recursos hídricos. Debido a las limitaciones en el entendimiento de
los procesos climáticos locales, la poca información y la necesidad de un alto poder
computacional; los GCMs se corren típicamente en celdas o pixeles de cientos de kilómetros
de ancho. En consecuencia, los GCMs suavizan los gradientes locales de precipitación y
temperatura. Sin embargo, para muchos procesos hidrológicos locales, estos gradientes son
de gran importancia, por lo que es necesario mejorar la desagregación espacial de las
proyecciones de cambio climático providentes de los GCMs (Buytaert et al. 2010a).
1
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Figura 1. Componentes principales del ciclo de agua
Fuente: USGS y disponible en http://ga.water.usgs.gov/edu/watercycle.html.
El problema de la escala espacial es particularmente relevante en regiones montañosas. Las
montañas proveen importantes servicios ambientales, como la provisión de agua hacia zonas
adyacentes de menor altitud y más secas (Viviroli et al. 2010); al mismo tiempo que estas
regiones son frágiles ante el cambio ambiental. Muchos de los procesos meteorológicos,
hidrológicos y biológicos en áreas montañosas se caracterizan por los fuertes gradientes
espaciales que pueden ser fácilmente perturbados.
Al mismo tiempo, los modelos climáticos predicen un mayor efecto del cambio climático en
las regiones montañosas que en las zonas bajas. Cambios en la relación entre la altura y la
temperatura del aire (Still et al. 1999, Bradley et al. 2006, Urrutia et al. 2009) pueden causar
un mayor calentamiento a mayor altura. Varios modelos globales de clima también proyectan
una época seca más larga o más intensa para muchas zonas montañosas incluyendo los Andes
Tropicales (Beniston 2003, Giorgi y Bi 2005, Buytaert et al. 2009).
La combinación de un ecosistema frágil y un cambio climático drástico hace que los procesos
y servicios ambientales en zonas montañosas sufran un efecto potencialmente más dramático
ante el cambio global. Uno de los ejemplos más conocidos de dichos procesos son los
glaciares. El derretimiento de los glaciares ha sido bien documentado en la literatura (por
ejemplo, Vuille et al. 2008) y causa grandes preocupaciones, especialmente dentro del marco
de recursos hídricos. Sin embargo, el impacto de glaciares sobre los recursos hídricos es muy
local y se disuelve rápido con el tamaño de la cuenca. De una manera similar, otros
ecosistemas como los páramos, bosques de neblina y humedales alto-andinos de la puna,
pueden jugar un papel importante en los recursos hídricos locales (vea Buytaert et al. 2006a y
2
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
2010b para el caso de los páramos). Para estudiar el impacto del cambio climático en
servicios ambientales de ecosistemas específicos se requiere una gran cantidad de datos y un
estudio elaborado de la disponibilidad y la fragilidad de los recursos hídricos a nivel local. El
carácter regional del presente estudio no permite un análisis detallado de servicios
ecosistemicos a nivel local. Además, la resolución gruesa del modelo de balance hídrico
prohíbe la inclusión de ecosistemas específicos que ocurren localmente, como humedales o
glaciares. En la literatura existen varios estudios de este tipo para casos específicos (por
ejemplo, Buytaert et al. 2010b, Vergarra et al, 2007, Bury et al. 2010). Sin embargo, para
varios otros casos, el conocimiento sobre los procesos, la disponibilidad de datos, o los
recursos aún no es suficiente para ejecutar este tipo de análisis. La sección 4 de este informe
elabora un estudio de caso para la cuenca del río Paute, y demuestra cómo el conocimiento de
procesos específicos (en este caso los páramos) puede ser incorporado en un análisis de
impacto.
A parte del estudio de caso en el río Paute, el presente estudio se enfoca en un análisis del
impacto del cambio climático sobre el balance de agua de los Andes Tropicales a nivel
regional. Los Andes Tropicales se caracterizan por tener uno de los sistemas climáticos más
complejos del mundo, con gradientes extremos de precipitación y temperatura. Igualmente,
los elementos del ciclo hidrológico son extremamente diversos, incluyendo influencia de
glaciares, humedales, diferentes tipos de bosques y sistemas extensos de aguas subterráneas.
Como indicado anteriormente, la combinación de esa diversidad excepcional y la escasez de
datos no permite implementar un modelo detallado de los recursos hídricos. Por lo tanto, se
ha desarrollado un modelo simple del balance hídrico a nivel regional.
Simplificando el ciclo de agua terrestre (Figura 1), se puede identificar 4 flujos principales
que están balanceados: precipitación, evapotranspiración, escorrentía superficial y escorrentía
sub-superficial. La escorrentía superficial y sub-superficial determinan respectivamente la
disponibilidad de agua en reservorios superficiales (cuerpos y cursos de agua) y subsuperficiales (acuiferos) respectivamente. Debido a que dichos flujos están determinados por
el balance entre precipitación y evapotranspiración, también denominado la precipitación
efectiva, se puede considerar dicho balance como un buen indicador de los recursos
potencialmente disponibles para la extracción.
En la primera parte del estudio, se evalúa las predicciones y la capacidad predictiva del
conjunto de modelos globales de clima adoptado por el IPCC y se analiza métodos de
desagregación de las proyecciones globales. En la segunda parte, se acopla los modelos
globales de cambio climático a un modelo regional del balance hídrico, especialmente
desarrollado para la zona Andina, para determinar cambios en la precipitación y la
evapotranspiración y como se propagan en la precipitación efectiva. En la tercera parte del
estudio, se desarrolla un estudio de caso más detallado con un modelo de lluvia-escorrentía
para la cuenca del río Paute, Ecuador. Ese estudio sirve para evaluar la capacidad de predecir
el impacto de cambio climático sobre el régimen de caudal, incluyendo la incertidumbre de la
predicción final.
3
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
2. ANALISIS Y DESAGREGACION DE LAS
PROYECCIONES DE CAMBIOS DE
TEMPERATURA Y PRECIPITACIÓN EN LOS
ANDES TROPICALES
INTRODUCCIÓN
LOS CAMBIOS E N EL CLIMA DE LOS ANDES: ESTADO ACTUAL DE LA
INVESTIGACIÓN
Se ha observado un rápido cambio climático en toda la región de los Andes Tropicales. La
muestra más notoria de este cambio son las observaciones de temperatura cercanas a la
superficie. Sobre los Andes Tropicales se ha observado un incremento promedio de 0.7°C en
las últimas siete décadas (1939 – 2006, Vuille et al. 2008). De los últimos 20 años, solo dos
(1996 y 1999) estuvieron por debajo del promedio de temperatura observado entre 1961 y
1990. Los datos de reanálisis NCEP-NCAR muestran un incremento promedio de 73 m del
nivel de altura de congelamiento para los Andes y la cordillera Americana entre 1948 y el
2000. Si solo se considera los datos entre 1958 y 2000, un período para el cual se considera
que los datos son más confiables (Diaz et al. 2003), el incremento es de 53 m.
Una mayor evapotranspiración, debido al incremento de temperatura, aumentará el contenido
de humedad de la atmósfera. De acuerdo a las leyes físicas de los gases, eso debe resultar en
una disminución del cambio de la temperatura con la altura (llamado el “lapse rate” en
inglés) y por ende, en un mayor calentamiento a mayores elevaciones (Bradley et al. 2006).
Aunque los resultados de los GCMs soportan esta tendencia, es difícil verificar debido a la
falta de datos observados confiables y de largo tiempo. Sin embargo, reportes recientes de los
Andes peruanos parecen apoyar el supuesto (Bradley et al. 2009); estos muestran que las
temperaturas diarias máximas ahora suben por encima de 0°C entre Octubre y Mayo aún a
elevaciones tan altas como 5680 m. Dichos cambios en temperatura son suficientes para
causar alteraciones significativas en los rangos de distribución de especies nativas y en la
disponibilidad del agua.
Los cambios en la precipitación durante el siglo 20 han sido menos notables (Vuille et al.
2003). Sin embargo, es posible encontrar una tendencia de incremento de la precipitación al
norte de los 11°S, en Ecuador; mientras que en el sur del Perú y a lo largo del límite peruanoboliviano, la mayoría de estaciones indica una disminución de la precipitación. Estos
resultados fueron posteriormente confirmados por Haylock et al. (2006), quien también
encontró un cambio hacia condiciones más húmedas en Ecuador y el norte del Perú, así como
una disminución de condiciones húmedas en el sur peruano. La cantidad de radiación de onda
larga –que es indicativa de la actividad convectiva de la atmósfera causando precipitación–
muestra una disminución significativa en los Andes Tropicales durante el verano austral
(Vuille et al. 2003, Vuille et al. 2008). En las zonas cercanas al trópico de Cáncer (al sur de
los 10°S) la tendencia es opuesta, mostrando un incremento en la radiación de onda larga.
Aunque estas tendencias son pequeñas y no significativas, son consistentes con las
proyecciones en el cambio de la precipitación para finales del siglo 21 hechas por el
ensamblaje de modelos del IPCC (Vera et al. 2006).
4
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
LAS PROYECCIONES Y LA DESAGREGACIÓN DE MODELOS GLOBALES DE
CLIMA
Para enfrentar el problema del cambio climático mundial, la Organización Meteorológica
Mundial y el Programa de las Naciones Unidas para el Medio Ambiente crearon el Grupo
Intergubernamental de Expertos sobre el Cambio Climático (IPCC). El IPCC analiza la
información científica, técnica y socio-económica relevante para entender el fenómeno del
cambio climático. Por ende recopila y distribuye información sobre el desarrollo y la
aplicación de modelos globales de clima usados para generar proyecciones de cambio
climático. Ese conjunto de modelos es usado frecuentemente para análisis de impactos del
cambio climático.
Sin embargo, debido a la gruesa resolución y la falta de representación de procesos locales,
los modelos de clima no logran representar la situación actual de precipitación y temperatura
a pequeña escala en los Andes (sección 2). Eso prohíbe un análisis de impacto directo en base
a las proyecciones de los modelos globales, lo cual hace necesario un proceso de disminución
de resolución de las proyecciones conocido como desagregación (o “downscaling” en inglés).
A pesar de que en la literatura científica existen muchos métodos para la desagregación de las
proyecciones climáticas de gran escala, muy pocos de estos métodos han sido implementados
en regiones de la complejidad de las áreas montañosas tropicales.
La aplicación de modelos dinámicos regionales (RCMs), basados en procesos físicos (por
ejemplo, PRECIS) optimiza el conocimiento de los procesos climáticos locales. Estos
modelos operan a una resolución típica de 50 km o menos, y pueden capturar la variabilidad
espacio-temporal del clima en mucho mayor detalle que los GCMs. De esta manera, los
RCMs pueden proveer de simulaciones más realistas del clima actual y de los cambios
climáticos futuros en los Andes, así como ayudar a un mejor entendimiento del impacto que
estos cambios tendrán en los ecosistemas andinos y en el caudal de sus ríos. Los RCMs están
basados en los mismos modelos físicos utilizados para los GCMs y por lo tanto, no requieren
una red de observación densa, que sí es necesaria para la desagregación estadística. No
obstante, se requiere una validación cuidadosa del modelo con información observada para
asegurar que los RCMs representan de forma precisa la variabilidad espacio-temporal del
clima. Particularmente a lo largo de las áreas montañosas como los Andes, donde la orografía
afecta fuertemente la distribución de la estacionalidad de la precipitación. Los RCMs han
sido usados con éxito para estudios de cambio climático que evalúan toda Sudamérica (por
ejemplo, Marengo et al. 2009, Soares y Marengo 2009), pero su aplicación para los Andes
aún se encuentra en una fase experimental (Urrutia y Vuille 2009). Una de las principales
desventajas de los RCMs es la dependencia de un tiempo largo de procesamiento
computacional y la implementación compleja. Por lo tanto, la implementación no usa todo el
rango de modelos AR4 disponibles sino solamente uno o dos modelos globales para producir
las simulaciones. Por lo tanto, los análisis de incertidumbre se hacen significativamente más
difíciles. Las deficiencias estructurales del modelo, y los errores presentes en los datos de
base y la parametrización se pueden también propagar de los GCMs a los RCMs e
incrementar la incertidumbre. En conclusión, la necesidad de la disponibilidad de datos
locales, la complejidad de la implementación de dichos modelos y los requisitos altos de
tiempo de computación prohíben el uso de modelos dinámicas para muchos estudios de
impacto.
5
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Alternativamente, se puede usar modelos estadísticos de desagregación. Estos modelos
buscan relaciones estadísticas entre los procesos climáticos a larga escala y las condiciones
locales de clima. Los modelos estadísticos son conceptualmente mucho mas simples y fáciles
para aplicar para un conjunto de modelos y escenarios, como es el caso del presente estudio
(para tener una idea panorámica ver ejemplo, Maraun et al. 2010). Sin embargo, por no
representar los procesos físicos de clima, los modelos estadísticos dependen del supuesto que
las relaciones entre los procesos globales de clima y el clima local no cambiarán en el futuro,
lo cual es potencialmente erróneo.
Uno de los métodos de desagregación más popular es el método delta, el cual supone que los
modelos globales de clima logran proyectar de mejor forma los potenciales cambios de clima
(anomalías) que los flujos absolutos. En los estudios de impacto de las secciones 3 y 4, se
aplica el método delta para generar climatologías futuras a alta resolución por razones de
mezquindad, uniformidad y facilidad de su aplicación. Por su naturaleza, ese método no
puede ser evaluado ni su incertidumbre cuantificada. Además, para tener una idea del posible
error y evaluar el potencial de los métodos de desagregación más avanzados, en esta sección
se incluye una evaluación del modelo regional popular PRECIS sobre los Andes del Ecuador.
DATOS
El presente estudio analiza dos escenarios de emisión de gases de invernadero, definidos por
el IPCC como A1B y A2. A1B es un escenario moderado, representando un mundo más
integrado, un desarrollo económico fuerte, una crecida de población de hasta 9 billones, y un
énfasis balanceado en fuentes de energía combinando combustibles fósiles y no-fósiles. El
escenario A2 representa una mayor emisión de gases invernadero por menor integración y
diseminación de tecnologías, una población mundial creciendo más rápido y un desarrollo
más fragmentado. Aunque los modelos globales de clima simulan el clima de manera
continua hasta 2100, este estudio se enfocó en los promedios de los períodos 2010-2039 y
2040-2069 que son más relevantes para el manejo.
El conjunto de modelos usado en el cuarto informe del IPCC (IPCC 2007) consiste en 24
modelos, pero no todos simulan o entregan a la base de datos CMIP3 (tercer experimento de
intercomparación de modelos acoplados) todos los parámetros necesarios para estudios de
impacto. Especialmente las temperaturas diarias mínimas y máximas no están disponibles
para varios modelos. Para sincronizar el uso de modelos entre los diferentes estudios de
impacto se ha restringido la selección de los modelos a los que tienen resultados para dichos
parámetros, disminuyendo así el conjunto de modelos a 10 para el escenario de emisión A1B
y 8 modelos para el escenario de emisión A2 (Tabla 1).
6
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Tabla 1. Modelos usados en este estudio. Los modelos en itálicas solo se usaron para el escenario
de emisión A1B.
Instituto
Bjerknes Centre for Climate Research, Norway
CSIRO Atmospheric Research, Australia
CSIRO Atmospheric Research, Australia
NASA / Goddard Institute for Space Studies, US
Institute for Numerical Mathematics, Russia
Center for Climate System Research, National Institute for Environmental
Studies, Frontier
Research Centre for Global Change, Japan
Center for Climate System Research, National Institute for Environmental
Studies, Frontier
Research Centre for Global Change, Japan
National Centre for Atmospheric Research, USA
US Dept. of Commerce, NOAA, Geophysical Fluid Dynamics Laboratory,
USA
US Dept. of Commerce, NOAA, Geophysical Fluid Dynamics Laboratory,
USA
Modelo
BCCR-BCM2.0
CSIRO-Mk3.0
CSIRO-Mk3.5
GISS-AOM
INM-CM3.0
MIROC3.2
(hires)
MIROC3.2
CCSM3
GFCM20
GFCM21
Para el presente estudio se usaron los resultados de la implementación del modelo regional
PRECIS por Urrutia y Vuille (2009). El modelo PRECIS es un modelo climático regional de
área limitada, basado en la tercera generación de los RCM del Hadley Center (HadRM3)
(Jones et al. 2004). Varios estudios han usado PRECIS para evaluaciones regionales de
cambio climático para Centro y Sur América (Garreaud et al. 2009, Karmalkar et al. 2008,
Marengo et al. 2009, Soares y Marengo 2009, Urrutia et al. 2009). Urrutia y Vuille (2009)
implementaron el modelo a una resolución de 50km, con las condiciones de frontera del
modelo HadAM3p y para los escenarios de emisión A2 y B2.
RESULTADOS Y DISCUSIÓN
PROYECCIONES DE CAMBIO CLIMÁTICO
La Figura 2 muestra las anomalías en precipitación y temperatura proyectadas para ambos
escenarios de emisión y períodos de interés. Tomando el promedio de los modelos usados
(ver sección 2: Datos) se espera un incremento de la precipitación sobre los Andes entre 0% a
10%, junto con un incremento de la temperatura de alrededor de 1°C (escenario A1B, período
2010 – 2039) hasta 3°C (escenario A2, período 2040 – 2079).
7
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Figura 2 Promedio de las proyecciones de cambio de temperatura y precipitación para el futuro
basado en respectivamente 10 modelos (escenario A1B) y 8 modelos (escenario A2) del conjunto
CMIP3.
Sin embargo, examinando la discrepancia en la magnitud de las anomalías proyectadas por
los modelos (Figura 3) se puede observar que el rango de proyecciones es muy amplio. La
discrepancia en las proyecciones de cambio de precipitación es frecuentemente mayor al 50%
de la precipitación anual, mientras que las proyecciones en el cambio de temperatura van de
1.5 a 4.5°C dependiendo del período y escenario de emisión. Se puede observar que en los
gráficos de los rangos de proyección y concordancia de modelos (Figura 3), los Andes no
destacan como una región de incertidumbre particularmente alta. No obstante, para tener una
mejor idea de las incertidumbres, es importante también evaluar el desempeño de los modelos
para el pasado.
8
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Figura 3. Rango de las proyecciones de temperatura y precipitación para el futuro basado en
respectivamente 10 modelos (escenario A1B) y 8 modelos (escenario A2) del conjunto CMIP3.
Figura 4. Rango de las simulaciones de los 10 modelos para el período 1960 - 1990.
Se ha convertido los modelos a una resolución común de 0.1° antes de calcular la estadística.
La falta de datos confiables de precipitación sobre los Andes complica la evaluación
individual de los modelos para el período 1960 – 1990. Alternativamente, se puede evaluar la
discrepancia de los modelos para ese período como indicación de la calidad de simulación de
dichos modelos (Figura 4). La Figura 4 muestra que la discrepancia entre los modelos es
9
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
considerable, especialmente sobre los Andes donde los valores llegan a más de 20mm/día
(730 mm/año) revelando que esta es una zona de gran dificultad para modelar adecuadamente
los patrones de precipitación y temperatura. La discrepancia entre los modelos al representar
los patrones locales de clima sobre los Andes puede tener muchas causas subyacentes, pero
es probable que las diferencias en resolución sean el principal factor. En efecto, debido a la
gruesa resolución, muchos de los GCMs son incapaces de representar adecuadamente los
gradientes de elevación, además no consideran procesos locales importantes como la
precipitación orográfica y eventos convectivos localizados. Sería necesario comparar
detalladamente los esquemas de parametrización de todos los GCMs para poder entender los
mecanismos que se encuentran detrás de esta divergencia, lamentablemente no hay estudios
sobre ese tema. Sin embargo, el hecho que los GCMs no concuerden en la representación del
clima actual pone en discusión la confiabilidad de las anomalías proyectadas.
Como consecuencia de esta alta incertidumbre, hay muy poco acuerdo entre los modelos en
cuanto a la dirección del cambio de precipitación, como se puede observar en la Figura 5.
Figura 5. Regiones donde 80% o más de los modelos usados concuerdan en la dirección de la
proyección de precipitación para el futuro.
EVALUACIÓN DE LA DESAGREGACIÓN CON PRECIS
Esta sección evalúa el uso de PRECIS para mejorar las proyecciones de los GCMs sobre los
Andes, usando un estudio de caso sobre Ecuador. Se seleccionaron las simulaciones corridas
para el período 1961-1990 ya que se cuenta con datos de estaciones meteorológicas para
efectuar una comparación adecuada. Es necesario mencionar que una mejor simulación
durante la corrida control no necesariamente indica una mejor simulación de las condiciones
futuras (Stainforth et al. 2007a). El presente trabajo se centra en el desempeño de PRECIS en
la desagregación espacial de la precipitación, que representa la variable más importante para
el manejo de recursos hídricos.
10
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Figura 6. Precipitación anual promedio modelado para los períodos 1960 – 1990 (A y D) y 2070
– 2099 (B y E) por el modelo regional PRECIS y el modelo global HadAM3p que ha sido usado
como condiciones de frontera.
Figuras 6 C y F representan las anomalías relativas en precipitación entre el presente y el escenario A2. La
isolinea de 1000m de altura esta indicado en gris.
La resolución más fina de PRECIS comparada con los el modelo HadAM3 resulta en un
patrón de precipitación actual y futuro mucho más complejo (Figura 6). Sin embargo, en
comparación con la climatología observada por New et al. (2000) de 10 min de resolución, la
implementación de PRECIS no resulta necesariamente en una mejor simulación (Figura 7).
11
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Figura 7. Evaluación de la predicción de lluvia por PRECIS y HadAM3p durante el período
1960 – 1990 usando la climatología observada a tres resoluciones diferentes.
A y D: Resolución de la climatología (0.167º); B y E: resolución de PRECIS (0.5º); C y F: Resolución de
HadAM3p (1.25 por 1.875º). El área de agregación de algunas celdas de PRECIS y HadAM3p es más bajo
debido a la falta de disponibilidad de datos de clima sobre el océano. El límite de los Andes Ecuatorianos está
indicado en gris.
En general (Figura 7A), PRECIS subestima la precipitación a lo largo de las partes bajas de la
vertiente Amazónica, mientras que sobrestima los valores de precipitación para las zonas de
mayor elevación en los Andes en esta misma vertiente, lo cual es consistente con el modelo
de validación (Urrutia et al. 2009).
El desplazamiento observado entre la precipitación real y la modelada sugiere que PRECIS es
incapaz de capturar completamente el gradiente de precipitación orográfica que existe a lo
largo de la vertiente oriental de los Andes ecuatorianos. La sobre-estimación de la
precipitación en esta zona es un problema común de todos los RCMs y está relacionado con
una subida orográfica excesiva debido a los fuertes vientos alisios (da Rocha 2009, Insel
2010, Urrutia y Vuille 2009). Este tipo de modelamientos presentan inconvenientes como
incertidumbres significativas provenientes de la falta de continuidad espacial y temporal en
los datos observados, problemas con los instrumentos de medición y calibración y posibles
problemas de muestreo. El problema es aún más serio en las regiones montañosas donde la
densidad de estaciones es baja y los procedimientos de interpolación introducen un error
(New et al. 1999).
Aún cuando la mayor resolución de los RCMs no sería suficiente para proveer predicciones
localizadas correctas, una mejor representación de los patrones del clima probablemente
resultará en una mejor simulación a escala regional. Sin embargo, la escala a la cual la
agregación significa una mejora depende fuertemente de las condiciones climáticas locales.
Las corridas de control de PRECIS y HadAM3p están comparadas con la climatología
12
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
observada a tres niveles de agregación: a la resolución de la climatología observada (0.167°),
la resolución de PRECIS (0.5°) y a la resolución de HadAM3p (1.25 por 1.875°) (Figura 7 C
y F).
La resolución de HadAM3p (Figura 7 C y F) muestra que PRECIS tiene cierto potencial para
mejorar ligeramente las simulaciones de precipitación. Un patrón similar se observa a la
resolución de PRECIS (Figura 7 B), aún cuando los gradientes locales sobre las vertientes de
los Andes juegan un rol más pronunciado. Este es el caso particular de la vertiente oriental
del centro de Ecuador, donde PRECIS excede dramáticamente la precipitación observada,
además de mostrar peores resultados locales que el HadAM3p. Finalmente, a una resolución
mayor (Figura 7 A y D) el efecto es mucho más pronunciado. Tanto PRECIS como
HadAM3p no son capaces de simular la precipitación orográfica a lo largo de ambas
vertientes andinas, donde la vertiente oriental de los Andes Centrales ecuatorianos es
particularmente problemática. Esta, en efecto, es una región dominada por una fuerte
precipitación orográfica.
Los resultados muestran que la incorporación de una mayor resolución en los gradientes de
precipitación en los modelos climáticos es complicada y potencialmente riesgosa. Las
desviaciones entre los procesos atmosféricos observados y simulados podrían resultar en
desempeños bastante pobres de los modelos climáticos regionales en ciertos lugares. Tales
errores son promediados cuando se trata de regiones extensas, pero podría resultar
problemático para evaluaciones de impacto local, donde la localización exacta de la
precipitación es importante.
3. POTENCIAL IMPACTO DEL CAMBIO CLIMÁTICO
SOBRE EL BALANCE HIDRICO DE LOS ANDES
TROPICALES
DATOS Y GENERACIÓN DE CONDICIONES CLIMÁTICAS FUTURAS
En este estudio se usó los mapas de precipitación y temperatura promedio de la Unidad de
Investigación Climática (CRU) de la Universidad de East Anglia, Inglaterra (New et al. 2000)
a una resolución de 0.1º (alrededor de 11 km en el Ecuador). El mapa de evapotranspiración
de referencia para el presente ha sido generado por la FAO usando el método de Penman
Monteith (Allen et al. 1998). Finalmente, se usó el mapa de cobertura de vegetación
GLOBCOVER generado en base a imágenes MERIS del satélite ENVISAT (ESA 2006).
Se usó el método delta (por ejemplo, Fowler et al. 2007) para generar mapas de la
precipitación y temperatura futura a la resolución requerida. En este método, primero se
calcula las diferencias entre la simulación del modelo global para el período 1960 – 1990 y el
futuro. Para la temperatura se toma la diferencia absoluta (en ºC) y para la precipitación la
diferencia relativa (en %) (William Ingram, com. pers., 2009). Luego se aplica esos factores a
las observaciones históricas del CRU a la escala del análisis regional. La ventaja de este
método es que elimina el sesgo sistemático de los modelos, y se incorpora mejor la
variabilidad temporal y espacial de los procesos. Sin embargo, el método delta tiene fuertes
supuestos respecto a la naturaleza de los cambios, incluyendo la falta de cambio en los
13
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
patrones de variabilidad espacial y temporal de los factores de clima. No obstante, la ausencia
de datos y la alta variabilidad de los sistemas climáticos en la región complican el uso de
modelos de desagregación más complejos (vea sección 2).
La evapotranspiración de referencia futura fue calculada en dos etapas. Debido a que los
modelos globales de clima no proveen todas las variables climáticas necesarias para calcular
la evapotranspiración con el método de Penman Monteith, hay que usar métodos más simples
y potencialmente más erróneos. Se escogió la relación de Thornthwaite, que solo usa la
temperatura como entrada, y usa una relación empírica entre la temperatura y la
evapotranspiración. Para minimizar el error de la relación se obtuvo la evapotranspiración de
referencia para el presente con ambos métodos: el de Penman-Monteith y el de Thornthwaite.
Calculando un factor de corrección para el método de Thornthwaite en base a la diferencia
con los resultados del método de Penman-Monteith. Se uso el mismo factor de corrección
para el futuro (Figura 8).
Aun con la corrección, el método de Thornthwaite asume que las otras variables que afectan
la evapotranspiración de referencia, especialmente la radiación y la humedad, se mantienen
constantes. A pesar que este es un supuesto fuerte, actualmente la información existente es
insuficiente para incorporar este tipo de cambios en los cálculos de manera confiable.
MODELIZACIÓN HIDROLÓGICA
Para la evaluación regional del impacto de cambio climático sobre los recursos hídricos, es
necesario traducir las proyecciones de las variables climáticas a variables hidrológicas,
especialmente la disponibilidad de agua. Por ende, se ha acoplado los modelos globales de
clima con un modelo regional de balance hídrico a través de una desagregación estadística. El
modelo regional de balance hídrico tiene una resolución espacial de 0.1º.
La Figura 8 demuestra un flujograma del modelo de balance hídrico. Despues de calcular la
evapotranspiración de referencia para el futuro, el modelo calcula la evapotranspiración
potencial (ETp) de cada pixel en base a la evapotranspiración de referencia (ETo) y un
coeficiente de vegetación (Kc):
ETp = Kc * ETo
(Eq. 1)
Con este propósito se construyó una tabla de los coeficientes de vegetación de los tipos de
uso de suelo presente en la zona de estudio en base a una revisión de literatura. Luego, el
modelo calcula la evapotranspiración actual (ETa) en base a la evapotranspiración potencial,
la temperatura y la precipitación mensual usando la curva de Budyko (Oudin et al. 2008), la
cual es una curva empírica construida en base a datos globales de los tres factores
(temperatura, precipitación y evapotranspiración actual). Finalmente, se define la cantidad de
agua disponible para extracción como la diferencia entre le precipitación y la
evapotranspiración actual. De esa manera, la disponibilidad física de agua en el medio
ambiente, es decir la cantidad de precipitación que constituye la escorrentía superficial más la
recarga de los acuíferos subterráneos, es igual a la precipitación efectiva:
Peff = P – ETa
(Eq. 2)
14
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Figura 8. Flujograma del cálculo de la evapotranspiración de referencia futura y el modelo de
balance hídrico.
El modelo está aplicado de manera distribuida para cada pixel del mapa y cada mes del año.
Es importante darse cuenta que el modelo regional de balance hídrico refleja la estacionalidad
de la disponibilidad de agua pero no representa la variabilidad inter-anual. Es decir, los
resultados del modelo hidrológico representan la disponibilidad mensual promedio bajo un
cierto escenario de emisión, incluyendo la incertidumbre de dichos escenarios, pero no
representan la variabilidad natural de la disponibilidad de agua de un año al otro. Tal análisis
requeriría un modelo continuo de lluvia - escorrentía que requiere una serie larga de tiempo
de variables atmosféricas. Se puede desarrollar esas series de tiempo para condiciones futuras
a través de métodos de desagregación estadística y dinámica, pero no existe investigación
sobre la aplicación de esos métodos en los Andes Tropicales.
15
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
PROYECCIONES DE DISPONIBILIDAD DE AGUA
PROYECCIONES PROMEDIAS
Figura 9. Disponibilidad promedia de agua [mm] para el presente y el futuro basado en
respectivamente 10 modelos (escenario A1B) y 8 modelos (escenario A2) del conjunto CMIP3.
La Figura 9 muestra la disponibilidad de agua para el presente y los escenarios A1B y A2,
usando el promedio de las proyecciones futuras. Concordando con las tendencias en la lluvia
(Figura 2) se nota una disminución de la disponibilidad de agua en la zona costera de
Venezuela, la cual está bajo la influencia de los vientos alisios del Caribe. De igual manera,
el estrés hídrico sube en los altiplanos de Perú y Bolivia y el desierto de Atacama en la costa
chilena. Sin embargo, en la mayoría de la zona Andina tropical se nota muy poco cambio en
la disponibilidad de agua. Esto se debe a que se anulan mutuamente dos fenómenos opuestos:
un incremento de precipitación de hasta 10% (Figura 9) y un incremento parecido de la
evapotranspiración actual debido al incremento de la temperatura.
La Figura 10 desagrega el impacto de cambios en la precipitación y la evapotranspiración
actual. Mirando la figura en detalle, se nota que el impacto de temperatura es espacialmente
relativamente homogéneo, pero se puede observar un impacto ligeramente menos grande en
los Andes comparado con los llanos orientales (y la Amazonía). La razón para esa tendencia
no está completamente clara, pero es probable que la relación no-lineal entre la temperatura y
la evapotranspiración de referencia de Thornthwaite juegue un papel importante. Eso resulta
que la misma subida de temperatura resulta en una mayor subida de evapotranspiración de
referencia en zonas calientes comparado con zonas frías, y por eso también un mayor
incremento de evapotranspiración actual.
16
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Figura 10. Cambio relativo de la disponibilidad física promedio de agua [%] para el futuro.
Se muestra respectivamente el cambio total, el cambio debido al cambio de precipitación y el cambio debido al
cambio de evapotranspiración generado por la subida de temperatura. Las regiones sin datos, mostrados en
blanco, tienen una precipitación actual de 0 mm.
El patrón de impacto de precipitación sobre la disponibilidad de agua es mucho más variable,
y sigue en líneas grandes las tendencias de la misma precipitación. En los Andes de Ecuador
y Colombia, así como el altiplano Boliviano, se observa un incremento de disponibilidad de
agua por causa de una subida de precipitación, mientras que en la jalca peruana varias zonas
sufrirán una disminución de la disponibilidad de agua hasta 10% y localmente 20% en el
escenario A2B, período 2040 – 2069.
17
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
ESTACIONALIDAD
Encima de la variabilidad regional observada hay que tomar en cuenta una variabilidad local
que no se puede observar en el análisis regional. En sección 4, los gradientes locales están
discutidos.
Figura 11. Índice de estacionalidad (Walsh y Lawler 1981) para el presente y el futuro basado
en respectivamente 10 modelos (escenario A1B) y 8 modelos (escenario A2) del conjunto
CMIP3.
El análisis de las Figuras 9 y 10 se ha enfocado en la disponibilidad promedia anual. Varios
estudios, incluyendo los informes del IPCC (Giorgi y Bi 2005, IPCC 2007) sugieren que la
estacionalidad de la precipitación aumentará, es decir lloverá mas durante el período húmedo
y menos durante el período seco. Usando el índice de estacionalidad según Walsh y Lawler
(1981) se observa en promedio una ligera subida de la estacionalidad a nivel regional (Figura
11), pero la tendencia es poco notable y tiene una variabilidad espacial muy errática. La
discusión en capitulo 2 se enfocó más en el efecto de cambios en la estacionalidad a nivel
local.
PROYECCIONES EXTREMAS
Igual como en el análisis de las proyecciones directas de variables climáticas del conjunto de
GCMs, usando el mediano de la proyección de disponibilidad de agua mediana, se consigue
la proyección más probable para el futuro (condicional a los supuestos del conjunto como la
idea que todos los modelos en el conjunto tienen la misma capacidad predictiva). Sin
embargo, la incertidumbre en las proyecciones propaga por el modelo hidrológico. La Figura
12 analiza el impacto de esta incertidumbre, demostrando la predicción más seca,
representando el peor escenario del punto de vista de los recursos hídricos. Especialmente en
el período 2040 – 2069 se observa cambios graves en la disponibilidad de agua en los Andes.
En este escenario, varias regiones del altiplano peruano y boliviano, actualmente en
condiciones semiáridas (amarillo), se convertirán en zonas áridas (rojo). Algunas zonas bajo
influencia fuerte de los vientos alisios sobre el Caribe, aunque no se encuentran en zona
montañosa se pueden convertir de zonas no áridas a zonas áridas, pasando por un estado
semiárido de corta duración. Finalmente, grandes partes de la sierra ecuatoriana y
colombiana, incluyendo el eje cafetero podrían entrar en condiciones semiáridas. Aunque ese
escenario es poco probable, no se puede descartar en el desarrollo de medidas de adaptación
al cambio climático.
18
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Figura 12. Predicción más seca de la disponibilidad agua [mm] para el presente y el futuro de
acuerdo a los 10 modelos (escenario A1B) y 8 modelos (escenario A2) del conjunto CMIP3.
La Figura 13 analiza el impacto del crecimiento poblacional sobre la disponibilidad física de
agua por persona. Los países Andinos son países caracterizados por un desarrollo socioeconómico muy rápido, incluyendo una dinámica muy fuerte de crecimiento demográfico.
Aunque un análisis comparativo del impacto de crecimiento demográfico usando
proyecciones detalladas esta fuera del enfoque de este estudio, la Figura 13 compara el
impacto del cambio climático sobre la disponibilidad de agua, usando un crecimiento
demográfico hipotético y uniforme de 50%. Los impactos son muy diversos, complicando
una generalización de las tendencias. En zonas con un fuerte cambio climático, como la costa
caribeña y el desierto de Atacama, el efecto del cambio climático sobrepasa dinámicas
demográficas. Sin embargo, en regiones con una alta densidad demográfica, incluyendo la
sierra colombiana y ecuatoriana, el crecimiento demográfico puede tener mayor efecto
comparado con el cambio climático, dependiendo del escenario de emisión bajo
consideración.
Figura 13. Impacto de crecimiento demográfico y cambio climático sobre la disponibilidad de
agua por persona.
Rojo: escasez de agua (< 1000 m3 por persona por año); amarillo: estrés hídrico (< 1700 m3 por persona por
año). Para las proyecciones de la disponibilidad de agua en el futuro, se uso el promedio de las proyecciones del
ensamblaje CMIP3 (Figura 9).
19
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
ANÁLISIS DE DISPONIBILIDAD DE INFORMACIÓN
Los resultados presentados en la sección 3: Proyecciones dependen mucho de la calidad de
los datos usados, y especialmente la calidad de las climatologías. Un análisis completo de la
incertidumbre de las proyecciones en cambios en el ciclo hidrológico, tomando en cuenta
potenciales errores en los datos y la estructura del modelo está presentado en la sección 4 a
escala más local donde se puede evaluar el modelo hidrológico usando observaciones
históricas de caudal.
La falta de datos sobre la disponibilidad de agua prohíbe un análisis formal de incertidumbre
a nivel regional. Sin embargo, es muy probable que la calidad de la modelización dependa de
la disponibilidad de información hidrológica a nivel regional.
La aplicación de métodos de desagregación estadísticos esta complicada por la falta de series
de tiempo de precipitación largas, necesarias para calibrar los modelos estadísticos de
ocurrencia y cantidad de precipitación. Adicionalmente, la densidad de estaciones
pluviométricas es generalmente baja. En los Andes ecuatoriales, por ejemplo, la densidad
promedio de estaciones pluviométricas por encima de los 2500 msnm es alrededor de una en
cada 220 km2. Esta cifra se encuentra cerca del límite inferior de la densidad recomendada
para estaciones manuales (una estación cada 100 - 250km2, WMO 1995).
Además, la mayor incertidumbre se encuentra en las proyecciones del cambio de
precipitación, por la gran variabilidad espacial y temporal y la alta tasa de azar que tienen los
procesos de precipitación. En un futuro próximo será posible correr modelos globales de
clima a más alta resolución, igual como implementar modelos regionales de clima para
desagregar más los procesos locales. Sin embargo, la calidad de dichas implementaciones es
limitada fundamentalmente por el conocimiento y la cuantificación de procesos locales.
Aunque las fuentes de información global de precipitación crecerán, especialmente bajo el
impulso del desarrollo de técnicas de sensores remotos, se mantiene la necesidad de usar
datos locales. Finalmente, la elaboración de estudios de impacto más específicos a escala
local, como mostrado para el caso de la cuenca del río Paute (sección 4), solo es posible
cuando buenos datos de caudal existen para la calibración de modelos hidrológicos. Por ende,
el análisis de disponibilidad de información es un buen indicador para la capacidad de
mejorar las proyecciones del impacto del cambio climático, igual como un indicador del
conocimiento de los procesos hidrológicos locales.
La Figura 14 demuestra la disponibilidad de datos dentro de 2 de las bases de datos globales
más conocidos: el “Global Runoff Data Centre” (GRDC) del Instituto Federal de Hidrología
de Alemania para datos de caudal, y el “Global Historical Climatology Network” (GHCN)
del NOAA, para datos de precipitación. Aunque la red existente es mucho más densa, la
mayoría de los datos de institutos locales no están disponibles para investigación científica a
nivel internacional. Por lo tanto, los mapas son un buen indicador del potencial de desarrollo
científico a corto plazo, en anticipación de cambios políticos de acceso de información.
20
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Figura 14. Izquierda: Ubicación de las estaciones limnigráficas dentro de la base de datos
GRDC (Global Runoff Data Centre). Derecha: zonas que se encuentren dentro del límite
mínimo recomendado por el MMO de un pluviómetro cada 250 km2.
Se usó la red de pluviómetros registrados en el “Global Historical Climatology Network”. La isolinea de 1000m
altura esta usado para delinear los Andes.
La disponibilidad de datos de caudal es espacialmente problemático en Perú y Bolivia (Figura
14, izquierda). Los únicos datos disponibles en los Andes peruanos se encuentran en la zona
baja de la costa, mientras que no hay ninguna estación en el GRDC con datos en la vertiente
Amazónica de los Andes peruanos. Similarmente, algunas estaciones de caudal existen en las
vertientes Andinos de Bolivia, sin estaciones en el altiplano.
La disponibilidad de datos pluviométricos es mucho mejor (Figura 14, derecha). Sin
embargo, la Organización Mundial de Meteorología (OMM) de las Naciones Unidas
recomienda una densidad mínima de pluviómetros de 1 por 100 – 250km2 en zonas de alta
montaña. Ploteando el área de los Andes que se encuentra dentro de ese límite (aproximado
por una distancia de 9 km al pluviómetro mas cerca) se observa que solo en Ecuador, la red
es suficientemente densa como para cumplir con las recomendaciones del MMO.
Especialmente en el altiplano boliviano y las vertientes orientales de los Andes peruanos y
colombianos, se observa una falta de instrumentos. La escasez de observaciones en esa zona
contrasta con la importancia de los procesos climáticos locales que resultan de la interacción
de las masas de aire entregadas por los alisios sobre la Amazonia y la topografía Andina.
En general, aun en las zonas que cumplen con la densidad mínima sugerida por la OMM, se
considera la densidad de pluviómetros insuficiente para capturar los gradientes locales
(Buytaert et al. 2006b, Célleri et al. 2007). Adicionalmente, la ubicación de estas estaciones
pluviométricas está fuertemente sesgada, ya que tienden a estar localizadas en zonas más
21
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
bajas y densamente pobladas. En las zonas andinas húmedas más altas y en los pastizales, que
constituyen áreas de mayor provisión de agua, la densidad de estaciones pluviométricas es
mucho menor.
4. ESTUDIO DE CASO: CUENCA DEL RIO PAUTE,
ECUADOR
INTRODUCCIÓN
El análisis regional presentado en la sección 3 se restringe al balance hídrico y la
disponibilidad de agua en el suelo. Sin embargo, el impacto de cambio climático sobre el
ciclo de agua es mucho más amplio e incluye cambios en el régimen de caudal,
potencialmente resultando en un mayor riesgo de sequía e inundaciones. Debido a la escasez
de series de tiempo hidrometeorológicas, y especialmente de caudales, un análisis del
impacto de cambio climático sobre la respuesta hídrica a nivel regional es imposible. Más
bien, ese tipo de estudios pueden ser implementados a nivel local, bajo las condiciones de
disponibilidad de suficiente información.
Como ejemplo de un análisis completo del impacto del cambio climático sobre el ciclo de
agua incluyendo la relación lluvia - escorrentía, en esta sección se elabora un estudio del
impacto del cambio climático sobre el régimen de caudal del Río Paute en Ecuador.
Figura 15. Ubicación de la cuenca del río Paute y la subcuenca del Tomebamba
+ = Estación de caudal; ● = Pluviómetro.
22
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
LA CUENCA DEL RÍO PAUTE
El clima de los Andes ecuatorianos se encuentra dominado por varios procesos climáticos de
gran escala (Vuille et al. 2000). Al suroeste, la corriente de Humboldt del Pacífico provee
masas de aire frías y secas, que conllevan a un clima semi-árido. Más hacia el norte, a lo
largo de la costa del Pacífico, las masas de aire caliente y húmedo provenientes del pacífico
ecuatorial inducen un clima húmedo tropical. La vertiente oriental de los Andes se encuentra
permanentemente húmeda bajo la influencia de la cuenca Amazónica. Finalmente el valle
ínter-andino es típicamente más seco que la vertiente occidental dado que la mayor cantidad
de masas de aire han perdido su humedad al llegar a la parte alta de la cordillera. En general,
los patrones de precipitación son altamente variables, desde 3000 mm en las últimas zonas
montañosas orientales hasta 500 mm en los valles ínter-andinos y en el suroeste de la
vertiente del Pacífico. En la escala ínter-anual la variabilidad de temperatura y precipitación
es bastante grande y dominada principalmente por la temperatura superficial del océano
Pacífico, con la presencia de los eventos de El Niño que conducen a condiciones más
calientes y secas en la mayoría de los Andes ecuatorianos, excepto por la parte suroeste,
mientras que durante los períodos de La Niña prevalecen condiciones opuestas (Vuille et al.
2000, Francou et al. 2004).
El análisis hidrológico se enfoca en la cuenca del río Tomebamba (1250 km2) localizada en el
sur de los Andes ecuatorianos. El Tomebamba es una subcuenca de la cuenca del río Paute
(aproximadamente 6500 km2, Figura 15), que alberga la planta hidroeléctrica más grande del
país (Daniel Palacios, 1075 MW). Una segunda planta ha sido recientemente abierta (Mazar,
febrero 2010). Cuando esta planta se encuentre totalmente operativa, el sistema podrá proveer
más del 50% de la energía que el país necesita. Adicionalmente, el río Tomebamba es un
proveedor de agua fundamental para la ciudad de Cuenca. Como resultado, esta micro cuenca
juega un rol clave en el desarrollo socioeconómico de la región y existe una necesidad
urgente de estrategias adecuadas de adaptación al cambio climático.
MÉTODOS
PROYECCIONES DE CAMBIO CLIMÁTICO
El ensamblaje de proyecciones de los GCMs para el período 2070-2099 del tercer y cuarto
reporte de evaluación del IPCC (2001, 2007) se obtuvo del sitio web del IPCC. El mismo
método delta usado en la sección 3 ha sido aplicado en este estudio, pero en vez de usar
climatologías regionales se usó series de tiempo de temperatura y precipitación registradas
localmente. Igualmente, se recalculó la evapotranspiración potencial futura en base a los
nuevos valores de temperatura.
MODELIZACIÓN HIDROLÓGICA
La cuenca del Tomebamba tiene una compleja hidrología. La parte alta de la cuenca está
compuesta principalmente de páramos, que se encuentran sobre rocas metamórficas de baja
permeabilidad. En las partes bajas se encuentran depósitos cuaternarios con alta
permeabilidad que permiten la acumulación de agua en el acuífero que, se piensa,
contribuyen significativamente al comportamiento hidrológico. A pesar que se tiene un buen
entendimiento e idea de los principales procesos hidrológicos en la microcuenca, existe poca
23
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
información cuantitativa disponible. Por lo tanto, una representación detallada de estos
procesos en un modelo hidrológico es imposible dada la falta de datos suficientes. En este
contexto, se optó por un modelo conceptual simple.
Se implementó un modelo hidrológico que consiste en un módulo para calcular pérdidas en la
evapotranspiración, y un módulo de escorrentía que representa la demora entre la
precipitación y el caudal (Beven 2001). En el área de estudio, la evapotranspiración actual
sería significativamente menor a la evapotranspiración potencial debido al déficit de
humedad del suelo. Tanto la evapotranspiración potencial como la humedad del suelo
dependen fuertemente de las condiciones climatológicas las cuales cambiarían en escenarios
futuros. Esa dinámica está incluida en el modelo usando un módulo de déficit hídrico (Croke
et al. 2004).
Para el módulo de escorrentía, se implementaron dos reservorios lineales paralelos, para
componentes de flujo rápido y lento respectivamente (Beven 2001). Algunas soluciones más
complejas fueron evaluadas, incluyendo funciones de autoregresión y combinaciones
múltiples de reservorios lineales, pero ninguna de estas configuraciones representó una
mejora significativa en el desempeño del modelo, y solo añade más parámetros al modelo. El
modelo final consta de 4 parámetros y necesita de 2 valores de inicialización.
La evapotranspiración potencial fue calculada mediante el método FAO-Penman Monteith
(Allen et al. 1998), usando los datos de 4 estaciones meteorológicas cerca del área de estudio.
Para incluir el efecto del gradiente altitudinal, los datos de evapotranspiración fueron
interpolados usando un modelo de elevación digital con 50m de resolución. La interpolación
usó la relación Thornthwaite entre temperatura y evapotranspiración potencial con una
relación entre altura y temperatura obtenida de 24 estaciones de temperatura locales (0.54/100 m1, Timbe 2004).
Los promedios espaciales de precipitación fueron obtenidos de 13 estaciones pluviométricas
(Célleri et al. 2007) usando la interpolación de Thiessen. Algunos vacíos en los datos
pluviométricos fueron completados mediante la interpolación de datos de estaciones cercanas
usando regresión lineal. Finalmente, el modelo fue corrido con pasos diarios para el período
1978-1991, incluyendo un año de estabilización del modelo.
CALIBRACIÓN DEL MODELO HIDROLÓGICO Y ANÁLISIS DE
INCERTIDUMBRE
A pesar de la disponibilidad de una serie de tiempo completa de precipitación para la región
de estudio en la Cuenca de Tomebamba, la disponibilidad de datos de descarga diaria fue solo
del 81%. Por lo tanto, el modelo fue corrido continuamente desde 1978 hasta 1991; sin
embargo, para la calibración solo se usaron los datos simulados para los cuales, existía datos
de descarga observada. El modelo hidrológico fue calibrado mediante una comparación
directa entre la descarga observada y la simulada usando la eficiencia Nash-Sutcliffe y el
sesgo absoluto. Dado que nuestro análisis se enfoca en recursos hídricos, las series de tiempo
de las descargas observadas y simuladas fueron resumidas en curvas de duración de flujo y
descarga promedio mensual.
Para el análisis de incertidumbre se utilizó una variación del método de la estimación de
incertidumbre por la probabilidad generalizada (GLUE, Beven y Binley 1992). Usando un
muestreo de Monte-Carlo de las distribuciones uniformes de parámetros se generaron 105
24
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
juegos de parámetros y se evaluaron usando la eficiencia de Nash-Sutcliffe. Los juegos de
parámetros de comportamiento fueron seleccionados usando un umbral de la eficiencia de
Nash-Sutcliffe. Los juegos de parámetros restantes fueron usados para calcular el rango de
predicción para las curvas de duración de flujo y las descargas promedio mensuales para los
períodos pasados y futuros. El umbral de comportamiento fue elegido de modo que los
límites de las predicciones de las curvas de duración de flujo y la descarga promedio mensual
comprenda la curva de duración de flujo y la descarga mensual observadas (Figura 16).
Figura 16. Resumen de las proyecciones de anomalías de temperatura y precipitación para la
cuenca del río Paute de acuerdo a los informes del IPCC y la escenario de emisión de gases de
invernadero.
TAR = tercer informe del IPCC (IPCC 2001); AR4 = cuarto informe del IPCC (IPCC 2007); A1B, A2, B1 y B2
son los escenarios de emisión del Informe especial sobre escenarios de emisión del IPCC (IPCC 2001). Los
triángulos más largos representan las proyecciones del modelo regional PRECIS. El período es 2070 – 2099.
RESULTADOS Y DISCUSIONES
PROYECCIONES DE CLIMA A NIVEL LOCAL
A escala local, y tomando en cuenta otros escenarios de emisión, la variabilidad entre las
proyecciones de clima es altísimo. Para la cuenca de Tomebamba, las proyecciones para el
período 2070-2099 tienen un rango de cambio entre -25% y 45% para la precipitación, y para
la temperatura un incremento entre 1.2 y 4.8°C (Figura 9). La exclusión o reducción del peso
de ciertos escenarios de emisión o modelos podría ser una opción para reducir estos sobres
climáticos de cambio, pero estas decisiones son subjetivas y polémicas (Allen e Ingram 2002,
Stainforth et al. 2007b). Otra potencial alternativa para reducir la incertidumbre,
25
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
especialmente para las regiones montañosas, consistiría en la exploración de la desagregación
espacial.
Figura 17. Incertidumbre en las proyecciones del impacto de cambio climático sobre los
recursos hídricos. Izquierda: curva de duración de flujo. Derecho: Caudal mensual promedio.
La linea negra representa la curva observada, el área gris indica las limites de 90% de incertidumbre del modelo
hidrológico durante la calibración (90%), las lineas rojas indican las limites de 90% de incertidumbre de
predicción par el escenario A1B, período 2070 – 2099), incluyendo ambos la incertidumbre del modelo
hidrológico y los modelos globales de clima.
IMPACTO DEL CAMBIO CLIMÁTICO SOBRE EL RÉ GIME N DE CAUDAL DEL
RÍO PAUTE
Las secciones anteriores han mostrado que los modelos regionales de clima pueden mejorar
la representación de los patrones de precipitación local bajo ciertas condiciones,
potencialmente también contribuyen a la disminución de la incertidumbre de las proyecciones
climáticas. Sería necesaria la implementación de los RCMs para todo el juego de GCMs para
confirmar si los RCMs disminuyen en efecto la variabilidad de las proyecciones de
precipitación. Este sería el siguiente paso a seguir investigando. Sin embargo, las potenciales
mejoras son también condicionales a la contribución de las proyecciones climáticas a la
incertidumbre total del impacto proyectado. Esto depende del sistema específico bajo
consideración. La Figura 17 muestra las incertidumbres en la predicción de la curva del flujo
de duración y la variación estacional de la descarga del río bajo condiciones de clima futuro
usando el modelo AR4 DEL IPCC para la cuenca de Tomebamba. Este análisis se enfoca en
el escenario A1B, para facilitar la comparación con otros estudios que utilizan este escenario.
La parte más grande de la incertidumbre en las proyecciones futuras (61.4% para las curvas
de duración del flujo y 71.0% para la estacionalidad) resulta en realidad del juego de modelos
del IPCC, resaltando la importancia que tendría una mejor desagregación espacial. El modelo
hidrológico también contribuye significativamente a la incertidumbre total, lo cual resalta la
necesidad de mejorar el entendimiento del funcionamiento hidrológico del sistema estudiado.
Investigaciones hidrológicas previas (vea ejemplo. Buytaert et al. 2006b) en el área de
estudio han demostrado que el pobre conocimiento tanto de los patrones de precipitación,
como del funcionamiento de los humedales locales son los principales problemas para una
modelación adecuada.
26
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
5. RELEVANCIA DEL ESTUDIO PARA LOS
RECURSOS HIDRICOS EN LOS ANDES
Los dos estudios en este informe han mostrado que, en ambos niveles regional y local, el
rango de escenarios potenciales es bastante amplio. En muchos casos, las condiciones
potenciales futuras envuelven completamente las condiciones actuales. Actualmente no es
posible llegar a conclusiones decisivas acerca de la magnitud ni de la dirección del cambio de
la disponibilidad de agua o el régimen de caudal bajo condiciones de clima futuro. Queda aun
pendiente la pregunta sobre si tales proyecciones resultan útiles para el manejo de recursos
hídricos ya que los administradores de agua usualmente acuden a los científicos para saber
sobre los últimos avances con certeza. Una implicación importante de estos resultados y otros
similares (por ejemplo, Dessai y Hulme 2007) es la importancia de cuantificar el rango de
incertidumbre de proyecciones. Las proyecciones regionales del cambio climático no proveen
estimaciones confiables de los patrones de precipitación futuros a una escala local, que son
necesarios para optimizar las estrategias de manejo de agua. Mas bien, los modelos proveen
información acerca del rango de incertidumbre y el rango de escenarios que uno tiene que
tomar en cuenta en el manejo. Mientras que investigación adicional podría probablemente
reducir de alguna manera el rango de escenarios posibles, una parte importante de la
incertidumbre no podrá ser eliminada en un futuro predecible. Aún así, decisiones para
afrontar el cambio climático necesitan ser tomadas ahora.
Entonces, es pertinente preguntarse cual es la relevancia de los esfuerzos de modelamiento
para un manejo de agua sostenible, cuando la optimización del manejo del agua se basa en
proyecciones de precipitación futura que están plagadas de incertidumbres. El desarrollo de
investigaciones de adaptación climática y manejo de agua presentan diferentes métodos para
el manejo de incertidumbre dentro del tema de toma de decisiones. El manejo adaptativo del
agua (Pahl-Wostl et al. 2007) parte de la aceptación que no es posible reducir la
incertidumbre sobre el cambio futuro (climático). Asumiendo cambios futuros e
incertidumbre no reducible acerca de la dirección y el tiempo de estos cambios, esta
aproximación pasa del paradigma “predicción-y-control” a una aproximación más adaptativa,
con un continuo aprendizaje y flexibilidad como objetivos claves. En este sentido, las grandes
inversiones de infraestructura con altos costos irreversibles, decisiones irreversibles o
estrategias de manejo fijas no permiten un continuo aprendizaje y ajuste. Una manera más
efectiva de lidiar con lo impredecible es evitar controlar a través de la creación de capacidad
de respuesta efectiva ante el cambio y condiciones desconocidas, usando estrategias de
desarrollo que sean robustas ante un rango completo de posibles futuros escenarios; por
ejemplo, diversificación de estrategias o estrategias que puedan ser aplicadas de manera
flexible cuando sean necesarias (Brugnach et al. 2008).
El enfoque en estrategias más robustas puede ser complementado con un análisis de las
vulnerabilidades clave del sistema de agua y los servicios que el agua provee, más que en una
estrategia óptima (Dessai et al. 2009). En este caso, un método útil es el desarrollo de
intervenciones “sin arrepentimiento”, definida como el conjunto de estrategias que conlleva a
beneficios independientemente de las tendencias futuras en escenarios climáticos (Heltberg et
al. 2009). Dado que el clima es solo uno de los tantos procesos inciertos que influencian el
manejo de recursos hídricos, estrategias de “no arrepentimiento” favorecerán medidas que
también son beneficiosas para estos ámbitos.
27
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Estas estrategias son idealmente producto de una aproximación integrada que involucra
científicos, administradores de recursos y tomadores de decisiones. En la cuenca del río
Paute, representativa de muchas cuencas Andinas, tales interacciones han sido puestas en
curso por un largo tiempo. Dos ecosistemas claves, los bosques andinos y el páramo, han sido
identificados como excelentes proveedores de agua debido a la alta capacidad de
almacenamiento y regulación hídrica. Por lo tanto, los esfuerzos de adaptación tienen que
enfocarse en una mejora del manejo y conservación de estos ecosistemas (Célleri et al. 2009).
De igual manera, el control de la erosión y la restauración de tierras agrícolas degradadas en
la parte baja de la cuenca del Paute intentan disminuir la presión agrícola sobre las áreas que
contienen los recursos hídricos (Dercon et al. 2006).
6. CONCLUSIONES
El presente estudio analiza el impacto del cambio climático sobre el balance hídrico de los
Andes Tropicales a nivel regional y local. Los modelos de circulación global son bastante
consistentes en proyectar un incremento de temperatura (alrededor de 3°C) en el área de
estudio, pero las proyecciones de precipitación varían tanto que no se observa una tendencia
clara. La incertidumbre en las proyecciones, aproximada a través del rango del conjunto de
modelos, es similar para la Amazonia y la región costera del Pacífico. Los Andes destacan
claramente como una región de alta incertidumbre para la corrida del siglo veinte (20C3M),
creando dudas sobre la confiabilidad de las proyecciones futuras.
En cuanto al impacto de cambio climático sobre los recursos hídricos, la subida de
temperatura resulta en un aumento de la evapotranspiración, y una disminución de la
disponibilidad de agua. En el predicción promedio, el aumento de la evapotranspiración esta
compensado por el aumento de precipitación, resultando en un efecto total limitado sobre los
recursos hídricos. Sin embargo, la variabilidad de las proyecciones del conjunto de modelos
propaga por el modelo hidrológico, igualmente resultando en un rango de predicción muy
largo, incluyendo escenarios de subida dramática de estrés hídrico. Un breve análisis de las
incertidumbres de cambios socio-económicos demuestra que los efectos de un crecimiento
demográfico pueden superar el impacto del cambio climático sobre la disponibilidad de agua
por persona, mostrando la importancia de tomar en cuenta el contexto socio-económico para
desarrollar medidas de adaptación.
En un estudio de caso para la cuenca del río Paute, Ecuador, se ha analizado el potencial de
modelos regionales para bajar la incertidumbre de las proyecciones de clima a través de una
evaluación del modelo regional PRECIS. Los resultados son mixtos. En comparación con el
HadAM3p, PRECIS es capaz de simular mejor la precipitación total sobre la cuenca
Amazónica. Sin embargo, grandes errores en la simulación de los patrones de precipitación
aparecen sobre los Andes cuando el modelo es comparado con los datos observados.
Localmente, estas simulaciones pueden exceder el error registrado con el modelo HadAM3p
de resolución más gruesa. Los resultados muestran que hay que tener cuidado con la
implementación de modelos regionales. Para climas locales, los RCMs podrían producir
resultados inapropiados o peores que los de los GCMs, especialmente cuando se considera la
precipitación. Alternativamente, se puede explorar el desarrollo de intervenciones “sin
28
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
arrepentimiento”, que conlleva a beneficios independientemente de las tendencias futuras en
escenarios climáticos.
Finalmente, el cuello de botella más importante tanto para el mejoramiento de proyecciones
como para el desarrollo de medidas de adaptación al cambio climático, es la disponibilidad de
información. Hay muy pocos datos disponibles y los que hay son propensos a grandes
incertidumbres. Una gran parte de los Andes Tropicales no cumple con los requerimientos
mínimos del MMO en cuanto a la densidad de la red pluviométrica en alta montaña. Tanto la
implementación de modelos regionales de clima a alta resolución (considerado indispensable
para bajar la incertidumbre de las proyecciones) así como el desarrollo de intervenciones sin
arrepentimiento, requieren mayor información y entendimiento de los procesos hidrológicos
locales.
29
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
7. REFERENCIAS
Allen MR, Ingram WJ. 2002. Constraints on future changes in climate and the hydrologic
cycle. Nature 419: 224–232.
Allen RG, Pereira LS, Raes D, Smith M. 1998. Crop evapotranspiration. Guidelines for
computing crop water requirements. FAO Irrigation and Drainage Paper 56. FAO.
Rome.
Bates BC, Kundzewicz ZW, Wu S, Palutikof J Eds. 2008. Climate Change and Water.
Technical Paper of the Intergovernmental Panel on Climate Change. IPCC Secretariat,
Geneva.
Beniston M. 2003. Climate change in mountain regions: a review of possible impacts.
Climatic Change 59: 5–31.
Beven K, Binley A. 1992. The future of distributed models: Model calibration and
uncertainty prediction. Hydrological Processes 6: 279–298.
Beven K. 2001. Rainfall-runoff modelling. The primer. John Wiley & Sons. Chichester.
Bradley RS, Keimig FT, Diaz HF, Hardy DR. 2009. Recent changes in freezing level heights
in the tropics with implications for the deglacierization of high mountain regions.
Geophysical Research Letters 36: L17701.
Bradley RS, Vuille M, Diaz HF, Vergara W. 2006. Threats to water supplies in the tropical
Andes. Science 312: 1755–1756.
Brugnach M, Dewulf A, Pahl-Wostl C, Taillieu T. 2008. Toward a relational concept of
uncertainty: about knowing too little, knowing too differently, and accepting not to
know. Ecology and Society 13, art. No 30.
Buytaert W, Célleri R, de Bièvre B, Hofstede R, Cisneros F, Wyseure G, Deckers J. 2006a.
Human impact on the hydrology of the Andean páramos. Earth-Science Reviews 79:
53–72.
Buytaert W, Célleri R, Willems P, de Bièvre B, Wyseure G, 2006b. Spatial and temporal
rainfall variability in mountainous areas: A case study from the south Ecuadorian
Andes. Journal of Hydrology 329: 413–421.
Buytaert W, Celleri R, Timbe L. 2009. Predicting climate change impacts on water resources
in the tropical Andes: the effects of GCM uncertainty. Geophysical Research Letters
36: L07406.
Buytaert W, Vuille M, Dewulf A, Urrutia R, Karmalkar A, Célleri R. 2010a. Uncertainties in
climate change projections and regional downscaling: implications for water
resources management. Hydrology and Earth System Sciences 14: 1247-1258.
30
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Buytaert W, Cuesta-Camacho F, Tobon C. 2010b. Potential impacts of climate change on the
environmental services of humid tropical alpine regions. Global Ecology and
Biogeography. doi: 10.1111/j.1466-8238.2010.00585.x.
Célleri R, Feyen J. 2009. The hydrology of tropical andean ecosystems: Importance,
knowledge status, and perspectives. Mountain Research and Development 29: 350–
355.
Célleri R, Willems P, Buytaert W, Feyen J. 2007. Space-time variability of rainfall in the
Paute river basin of South Ecuador. Hydrological Processes 21: 3316 – 3327.
Croke B, Merritt W, Jakeman A. 2004. A dynamic model for predicting hydrologic response
to land cover changes in gauged and ungauged catchments. Journal of Hydrology 291.
115–131.
da Rocha RP, Morales CA, Cuadra SV, Ambrizzi T. 2009. Precipitation diurnal cycle and
summer climatology assessment over South America: An evaluation of Regional
Climate Model version 3 simulations. Journal of Geophysical Research 114. D10108.
Dercon G, Govers G, Poesen J, Sá́ nchez H, Rombaut K, Vandenbroeck E, Loaiza G, Deckers
J. 2006. Animal-powered tillage erosion assessment in the southern andes region of
Ecuador. Geomorphology 87: 4–15.
Dessai S, Hulme M. 2007. Assessing the robustness of adaptation decisions to climate change
uncertainties: A case study on water resources management in the East of England.
Global Environmental Change 17: 59–72.
Dessai S, Hulme M, Lempert RJ, Pielke R Jr. 2009. Climate prediction: a limit to adaptation?
En: Adger, WN, Lorenzoni I, O’Brien K. (Eds.), Adapting to Climate Change:
Thresholds, Values, Governance. Cambridge University Press. Cambridge. pp. 64–78.
Diaz HF, Eischeid JK, Duncan C, Bradley RS. 2003. Variability of freezing levels, melting
season indicators and snow cover for selected high elevation and continental regions
in the last 50 years. Climatic Change. 59: 33–52.
ESA. 2006. Globcover portal. http://ionia1.esrin.esa.int/. Accessed on 04 May 2010.
Fowler HJ, Blenkinsop S, Tebaldi C. 2007. Linking climate change modelling to impacts
studies: recent advances in downscaling techniques for hydrological modelling.
International Journal of Climatology 27: 1547–1578.
Francou B, Vuille M, Favier V, Cáceres B. 2004. New evidence for an ENSO impact on lowlatitude glaciers: Antizana 15, Andes of Ecuador, 0° 28’S. Journal of Geophysical
Research 109: D18106.
Garreaud R, Falvey M. 2009. The coastal winds off western subtropical South America in
future climate scenarios. International Journal of Climatology 29: 543–554.
31
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Giorgi F, Bi X. 2005. Updated regional precipitation and temperature changes for the 21
century from ensembles of recent aogcm simulations. Geophysical Research Letters
32: L21715.
Haylock MR, Peterson TC, Alves LM, Ambrizzi T, Anunciacao MT, Baez J, Barros VR,
Berlato MA, Bidegain M, Coronel G, Corradi V, Garcia VJ, Grimm AM, Karoly D,
Marengo JA, Marino MB, Moncunilland DF, Nechet D, Quintana J, Rebello E,
Rusticucci M, Santos JL, Trebejo I, Vincent LA. 2006. Trends in total and extreme
South American rainfall in 1960-2000 and links with sea surface temperature. Journal
of Climate 19: 1490–1512.
Heltberg R, Siegel PB, Jorgensen SL. 2009. Addressing human vulnerability to climate
change: Toward a ‘no-regrets’ approach. Global Environmental Change 19: 89–99.
Insel N, Poulsen CJ, Ehlers TA. 2010. Influence of the Andes mountains on South American
moisture transport, convection and precipitation. Climate Dynamics In Press.
IPCC 2001. Climate Change 2001: Impacts, Adaptation and Vulnerability. Cambridge
University Press. Cambridge.
IPCC 2007. Climate Change 2007 - Impacts, Adaptation and Vulnerability. Cambridge
University Press. Cambridge.
Jones RG, Noguer M, Hassell D, Hudson D, Wilson S, Jenkins G, Mitchell J. 2004.
Generating high resolution climate change scenarios using PRECIS. Met Office
Hadley Centre. Exeter.
Karmalkar AV, Bradley RS, Diaz HF. 2008. Climate change scenario for Costa Rican
montane forests. Geophysical Research Letters 35: (L11702).
Maraun D, Wetterhall F, Ireson AM, Chandler RE, Kendon EJ, Widmann M, Brienen S, Rust
HW, Sauter T, Themeßl M, Venema VKC, Chun KP, Goodess CM, Jones RG, Onof
C, Vrac M, Thiele-Eich I. 2010. Precipitation downscaling under climate change.
Recent developments to bridge the gap between dynamical models and the end user.
Reviews of Geophysics In press.
Marengo JA, Jones R, Alves LM, Valverde MC. 2009. Future change of temperature and
precipitation extremes in South America as derived from the PRECIS regional climate
modeling system. International Journal of Climatology 29: 2241–2255.
New M, Hulme M, Jones P. 1999. Representing twentieth-century space-time climate
variability. part I: Development of a 1961-90 mean monthly terrestrial climatology.
Journal of Climate 12: 829–856.
New M, Lister D, Hulme M, Makin I. 2000. A high-resolution data set of surface climate
over global land areas. Climate Research 21: 1–25.
Oudin L, Andréassian V, Lerat J, Michel C. 2008. Has land cover a significant impact on
mean annual streamflow? an international assessment using 1508 catchments. Journal
of Hydrology 357: 303–316.
32
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
Pahl-Wostl C. 2007. Transitions towards adaptive management of water facing climate and
global change. Water Resources Management 21: 49–62.
Soares WR, Marengo JA. 2009. Assesments of moisture fluxes east of the Andes in South
America in a global warming scenario. International Journal of Climatology 29:
1395–1414.
Stainforth DA, Allen MR, Tredger ER, Smith LA. 2007a. Confidence, uncertainty and
decision-support relevance in climate predictions. Philosophical Transactions of the
Royal Society A 365: 2145–2161.
Stainforth DA, Downing TE, Washington R, Lopez A, New M. 2007b. Issues in the
interpretation of climate model ensembles to inform decisions. Philosophical
Transactions of the Royal Society A 365: 2163–2177.
Still CJ, Foster PN, Schneider SH. 1999. Simulating the effects of climate change on tropical
montane cloud forests. Nature 398: 608–610.
Timbe E. 2004. Disgregacion temporal de datos diarios de precipitacion en microcuencas de
páramo. Master’s thesis. Universidad de Cuenca.
Urrutia R, Vuille M. 2009. Climate change projections for the tropical Andes using a regional
climate model: Temperature and precipitation simulations for the end of the 21st
century. Journal of Geophysical Research 114: D02108.
Vera C, Silvestri G, Liebmann B, Gonzalez P, 2006. Climate change scenarios for seasonal
precipitation in South America from IPCC-AR4 models. Geophysical Research
Letters 33: L13707.
Viviroli D, Archer DR, Buytaert W, Greenwood GB, Hamlet AF, Huang Y, Koboltschnig G,
Litaor MI, López-Moreno JI, Lorentz S, Schädler B, Schwaiger K, Vuille M, Woods
R. 2010. Climate change and mountain water resources: Overview and
recommendations for research, management and politics. Hydrology and Earth
System Sciences Discussions 7: 2829–2895.
Vuille M, Bradley RS, Keimig F. 2000. Climate variability in the Andes of Ecuador and its
relation to tropical Pacific and Atlantic sea surface temperature anomalies. Journal of
Climate 13: 2520–2535.
Vuille M, Bradley RS, Werner M, Keimig F. 2003. 20th century climate change in the
tropical andes: observations and model results. Climatic Change 59. 75–99.
Vuille M, Francou B, Wagnon P, Juen I, Kaser G, Mark BG, Bradley RS. 2008. Climate
change and tropical andean glaciers: Past, present and future. Earth-Science Reviews
89: 79–96.
Walsh PD, Lawler DM. 1981. Rainfall seasonality: description, spatial patterns and change
through time. Weather 36: 201–208.
33
PANOR AM A ANDINO SOBR E C AM BIO C LIM ÁTICO
WMO. 1995. World Meteorological Organisation: Guide to Hydrological practices. WMO
Publication 168: Switzerland.
34