ESCENARIOS DE CAMBIO CLIMATICO EN EL SUR DEL DEPARTAMENTO DE LA PAZ: PATACAMAYA Y CALACOTO

CLIMATE-CHANGE SCENARIOS IN THE SOUTH OF LA PAZ DEPARTMENT (BOLIVIA): PATACAMAYA AND CALACOTO

Andrés W. Burgoa Maríaca

Instituto Investigaciones Físicas

Facultad de Ciencias Puras y Naturales

Universidad Mayor de San Andrés La Paz – Bolivia

---

resumen

El presente estudio está encaminado a generar una representación mensual de la cantidad diaria de precipitaciones para los escenarios futuros 2020 y 2085 en las estaciones meteorológicas de Patacamaya y Calacoto. Para tal efecto se hizo uso del análisis de componentes principales en el dominio de la frecuencia y de la regionalización estadística. Tanto en Pa­tacamaya como en Calacoto, los escenarios futuros reproducen bastante bien el patrón de la precipitación mensual en lo que respecta a la distribución intranual. Sin embargo, a nivel estacional, se observa en Patacamaya, para el verano austral, una virtual disminución en la cantidad de precipitación, mientras que en el invierno austral no se observa cambios signifi­cativos. En Calacoto, los escenarios futuros no muestran cambios significativos en la cantidad de precipitación tanto a nivel mensual como estacional.

Descriptores: cambio climático — Bolivia

Código(s) PACS: 92.70.-j, 93.30.Jg

abstract

This study sets out to generate a monthly representation of the pluvial precipitation for the future scenarios of 2020 and 2085 using data from the meteorological stations of Patacamaya and Calacoto. We analyzed the principal frequency components and statistical regionalization. In both stations our future scenarios reproduce fairly well the pattern of monthly preci­pitation with respect to its intra-annual distribution. However, taking into account seasonal differences, we observed in Patacamaya a virtual decrease in precipitation for the austral summer while during winter there was no significant change. In Calacoto, future scenarios did not show significant changes in precipitation for both monthly and season time periods.

Subject headings: climate change — Bolivia

---

1. INTRODUCCIÓN

Para fines del presente estudio, los escenarios climáticos SRES A2 y SRES B2 son los empleados y representan tanto los niveles medio-alto y medio- bajo de emisiones de gases de efecto invernadero (GEI). Así, el escenario A2 supone un mundo muy heterogéneo, preservación de las identidades loca­les, alta tasa de crecimiento poblacional, desarrollo económico regional, desarrollo económico más lento que en otras regiones y provocaría una degradación de la calidad del aire en gran parte del planeta, al aumentar los niveles de la concentración de fondo de 03; mientras que el escenario SRES B2 se cen­tra en el sostenimiento medio ambiental, es decir, un mundo con énfasis en las soluciones locales, un momento continuo de la población menor que en A2, ni­veles intermedios de desarrollo económico.

Los modelos de circulación general de la atmosfera (GCMs, en ingles) son una herramienta para la investigación del clima y sus fluctuaciones. Un mo­delo de circulación general (MCG) es una representación espacial y temporal aproximada de los prin­cipales procesos físicos que ocurren en la atmosfera y sus interacciones con los demás componentes del medio ambiente. De su resolución se obtiene la evolución temporal y espacial (tridimensional) del sis­tema climático en función de las condiciones inicia­les y de contorno elegidas y de los valores de ciertos parámetros climáticos (por ejemplo, la concentración de C02 atmosférico). Lo anterior se denomina ex­perimento numérico, simulación climática o experi­

Fig. 1.— Se muestra en cuadros los puntos de grilla del NCEP Reanálisis y el HadCM3 en círculos negros para las estaciones meteorológicas de Patacamaya y Calacoto.

mento climático y puede orientarse tanto a la descripción del clima contemporáneo (experimentos de control), como a la investigación del clima resultante de uno o mas cambios en los parámetros climáticos. Sin embargo, los MCGs no pueden reproducir hasta el momento los detalles de las condiciones climáticas regionales tanto a escala temporal como espacial. Por lo tanto, las salidas de los MCGs poseen -se dice- resolución gruesa (generalmente mayores a los 2,0^o tanto en latitud como en longitud) para el estudio del impacto del cambio climático sobre una determinada región. Consecuentemente, existe una gran necesi­dad de desarrollar herramientas para regionalizar las predicciones que generan los MCGs sobre el cam­bio climático a escales regionales, locales o de una estación en particular.

Actualmente existen dos grandes categorías de regionalización (Wilby y otros, 2002b): las técnicas de regionalización  dinámica, basadas en la extracción de la información a escala regional de los datos a gran escala (GCM) que están apoyados en el mode­lado de los procesos dinámicos del clima regional y los procedimientos de regionalización estadística (o empírica) que son relaciones empíricas entre las va­riables atmosféricas de gran escala y los parámetros ambientales observados en superficie. La experiencia en otras latitudes a demostrado que los métodos em­pleados en la regionalización estadística ofrece va­rias ventajas practicas sobre los dinámicos, en espe­cial por su flexibilidad y adaptación a objetivos es­pecíficos de un determinado estudio.

2. CASO DE ESTUDIO

Las estaciones meteorológicas de Patacamaya (-17, 23S; -67,92W; 3807m.s.n.m.) y de Calacoto (-17.24S; -68.76W; 3822m.s.n.m.) se encuentran ubi­cadas a 100 [km] y 125[km] de la ciudad sede de go­bierno, entre ambas estaciones existe aproximada­mente 100[km], el clima en ambas poblaciones es muy cambiante, en la época de verano se tiene un calor seco con un invierno indolente. La Tabla 1 nos pro­porciona la estadística básica de las precipitaciones a nivel diario en las mencionadas estaciones.

Se eligieron 12 puntos de grilla para el pre­sente estudio, estas comprenden los datos de NCEP Reanalisis y los escenarios de clima futuro (HadCM3), tal como se ilustra en la Figura 1. Las secciones 4 y 5 ejemplifican la metodología seguida.

3. DATOS Y METODOLOGÍA

Dos son las series de datos utilizados: los datos pro­venientes de estaciones meteorológicas y los datos de NCEP Reanalisis. Además se incluye un escena­rio de clima futuro (HadCM3) con dos escenarios de emisión de CO2 disponibles, SRES A2 y SRES B2. Los datos locales incluyen precipitación diaria para el período 1961-2001 y 1970-2000; registrados en las estaciones de Patacamaya y Calacoto. Los datos de NCEP Reanalisis cubren el mismo período que los datos locales y los escenarios SRES A2 y SRES B2 poseían una data de 1961-2099.

El modelo de regionalización estadística hace uso de los datos de NCEP Reanalisis como predictores (ver Tabla 2) y los datos locales como predicados. La serie temporal de Patacamaya (Calacoto) para el período 1961-1980 (1970-1985) es utilizado para la etapa de calibración y los restantes del 1981­2001 (1986-2000) como la validación. Las salidas estadísticas son analizadas y comparadas a la es­tadística de los datos observados y evaluadas para el mismo período de corrida de los modelos.

4. METODOLOGÍA

4.1. Análisis de componentes principales en el dominio de la frecuencia

El análisis de componentes principales tiene como objetivo la reducción del número de variables. En tal sentido, el análisis de componentes principales transforma el conjunto de variables originales en un conjunto más pequeño de variables, las cuales son combinaciones lineales de las primeras, que contie­nen la mayor parte de la variabilidad conjunta pre­sente en el conjunto inicial. Stoffer (1998), propone un refinamiento en el trabajo de Brillinger (1981) para calcular las componentes principales de {X(t)}.

En un contexto general, la filosofía de Stoffer se basa en la Cobertura Espectral. La técnica está ba­sada en la detección n de ciclos comunes en las series temporales multivariadas.

La idea es: para una frecuencia w e[0,2n], se busca un vector complejo p-dimensional c (w) tal que

con w e[0, 2n], se denomina cobertura espectral del proceso. En las frecuencias w donde esta función es

5. REGIONALIZACIÓN estadística 5.1.

 Modelo de calibración

La calibración se realizó de manera independiente para los datos locales de Precipitación diaria en las estaciones de Patacamaya y Calacoto. La Tabla 3 muestra la conexión n entre las variables predicando y los predictores para los escenarios futuros de cam­bio climático SRES A2 y SRES B2.

La Tabla 3 explica la relación n entre predictores y predicando para la estación meteorología de Pata- camaya y Calacoto. El modelo explicativo para las precipitaciones diarias en las citadas estaciones es:

5.2. Modelo de validación

A partir de la estimación n de los modelos dados en las ecuaciones 1 y 2 para las estaciones meteorológicas de Patacamaya y Calacoto, se seleccionó el período de validación para las estaciones locales los años 1981-2000 y 1985-2000. Los resultados pueden apreciarse en la Figura 2. Dichos períodos se los con­trasto entre el NCEP Reanalizis, escenarios futuros SRES A2, SRES B2 y los datos observados para la misma el poca.

6. PRECIPITACIÓN

La variabilidad interanual de la precipitación ob­servada en las estaciones de Patacamaya y Cala- coto reportan un período seco en el invierno Austral y una lluviosa en el verano correspondiente. Se ob­serva una estructura monomodal, caracterizada por meses con ausencia de lluvias, en especial en los me­ses de mayo, junio y julio; mientras que en los me­ses de diciembre, enero, febrero y marzo con meses lluviosos. Dicho comportamiento se extiende a gran parte del territorio nacional.

6.1. Comparación precipitación observada, modelo NCEP y escenarios, 1961-2000

6.1.1. Patacamaya

Los modelos de NCEP Reanalisis y de escenarios SRES A2 y SRES B2 reproducen bien el patrón de la lluvia mensual (Figura 3), en lo que se refiere a la distribución intranual, tales como: la estacionalidad (las épocas calurosas o relativamente frescas, un período frío o invernal, con descenso en las preci­pitaciones a partir de la llegada del otoño hasta el invierno Austral). Sin embargo, cuantitativamente tanto los resultados del NCEP Reanalisis, como los escenarios SRES A2 y SRES B2 generados para la climatología 1961-2001, subestiman los registros de la precipitación en un -5.4% en un caso y en el otro en -68% de la lluvia anual, en el caso men­sual, SRES A2 sobrestima para el mes de marzo en un 2,7%. En los meses de la estación seca, especial­mente en el mes de julio, esas sobrestimaciones son mayores en un 1,4% más.

6.1.2. Calacoto

Los modelos de reanalisis NCEP Reanalisis y de escenarios SRES A2 y SRES B2 reproducen bien el patrón de la lluvia mensual (Figura 3), en lo que se refiere a la distribución intranual, tales como: la estacionalidad (las épocas calurosas o relativamente frescas, un período frío o invernal, con descenso en las precipitaciones a partir de la llegada del otoño hasta el invierno Austral). Sin embargo, cuantitati­vamente tanto los resultados del NCEP Reanalisis, como los escenarios SRES A2 y SRES B2 generados para la climatología 1970-2000, subestiman los re­gistros de la precipitación en un -1, 8% en un caso y en el otro en -18.5% de la lluvia anual, en el caso mensual ambos escenarios sobrestiman para el mes de mayo un 0, 2%. Para la estación del invierno Aus­tral, el mes de julio no muestra cambio significativo en la cantidad de precipitación.

6.2. Análisis entre escenarios de precipitación SRES A2 y SRES B2, 1961-1990 y futuro 2020 y 2085

6.2.1. Patacamaya

La relación entre escenarios actuales y futu­ros para 2020 (promedio 2006-2035) se ilustra gráficamente en la figura 4, observándose que para el año 2020 no habría cambios significativos en el patrón de lluvias mensual. Sin embargo, los acumu­

lados totales (anuales) no disminuirían tan significa­tivamente en la mayoría de los meses, excepto en el escenario B2 una disminución para el mes de diciem­bre en 0,6%, estimándose una disminución del 5,1% en la precipitación promedio anual, ver Tabla 4.

Hacia finales del presente siglo XXI (2085), los es­cenarios futuros y actuales siguen el mismo patrón de comportamiento mensual en las precipitaciones, excepto en el escenario SRES B2, el cual subestima la climatología 1961-2001, ver Figura 4. Sin em­bargo, se evidencian reducciones en la lluvia durante la primavera y verano Austral, en especial para el mes de diciembre (ver Tabla 4). Dichas reducciones alcanzan su pico en un 5, 8% en el escenario SRES A2 (2085).

6.2.2. Calacoto

La relación entre escenarios actuales y futuros para 2020 (promedio 2006-2035) se muestra en la fi­gura 5, se observa que para el año 2020 no se evi­dencian cambios significativos en el patrón de lluvias mensual. Los acumulados totales para las estaciones tanto del invierno como verano Austral, no mues­tran cambios importantes a lo largo de todo el año, es decir, tanto los escenarios futuros como los actua­les muestran un mismo Patrón de comportamiento en las precipitaciones, tal como se ejemplifica en la Tabla 4.

Hacia finales del presente siglo XXI (2085), los es­cenarios futuros y actuales siguen el mismo patrón de comportamiento mensual en las precipitaciones. Sin embargo, se evidencian para el mes de diciembre reducciones de hasta el 8,0% (ver Tabla 4) y de un 18, 8% en la precipitación anual.

7. CONCLUSIONES

7.1. Patacamaya

El modelo de NCEP Reanalisis como el modelo de escenarios futuros SRESA2 y SRESB2, reproducen bastante bien la distribución intranual en lo que res­pecta a la estacionalidad (período de lluvias y es­tiaje), el verano Austral con diciembre-enero-febrero (DEF) y el invierno Austral con junio-julio-agosto (JJA), se observa una subestimación en el escena­rio B2 para los valores de la precipitación mensual promedio durante la época lluviosa observada, la reducción alcanza el 37% de lluvia anual y una reducción del 14% mensual para el mes de enero.

Los escenarios futuros indicarían disminuciones de la precipitación media anual hasta de un 5,1% para  2020 (B2) y para 2085 hasta un 4, 2% (A2 y B2), con respecto a 1961-2001.

Los escenarios futuros SRESA2 y SRESB2 para los acumulados de la lluvia mensual, en los años 2020 y 2085, muestran el mismo patrón actual de régimen de lluvia intranual. Sin embargo, dichos escenarios muestran reducciones e incrementos en la cantidad de lluvia, las cuales serían después de 2020, de más de un 3,1% en el mes de marzo para el escenario SRESA2 para 2085 y una reducción del 4.7% en el escenario SRESB2 para 2085.

7.2. Calacoto

Tanto el modelo de reanalisis NCEP Reanalisis como los escenarios escenarios futuros SRESA2 y SRESB2, reproducen bastante bien la distribución interanual en lo que respecta a la estacionalidad (período de lluvias y estiaje). El verano Austral con los meses de diciembre-enero-febrero (DEF) y el in­vierno Austral con junio-julio-agosto (JJA), en estos se observan subestimaciones en los valores en la precipitación mensual promedio durante todo el año, las mayores subestimaciones se observan en los meses de diciembre y enero con reducciones del orden de un 5, 0%.

Los escenarios futuros no evidencian disminucio­nes significativas de la precipitación media anual para ambos escenarios SRESA2 y SRESB2, con res­pecto a 1961-2001.

Los futuros escenarios SRESA2 y SRESB2 de los acumulados de la lluvia mensual, para los años 2020 y 2085, muestran el mismo patrón actual de régimen de lluvia intranual. En consecuencia, dichos escena­rios no evidencian reducciones o incrementos en la cantidad de lluvia.

 

 

REFERENCIAS

1.- Bettolli, M. L. & Penalba, O. C. 2008, Downscaling daily rainfall in La Plata basin: statistical approach (UBA, Ciudad Universi­taria, Argentina)         [ Links ]

2.- Brillinger, D. R. 1981, Time Series: Data Analysis and Theory (Holden-Day, San Fransisco)         [ Links ]

3.- Cavazos, T. & Hewitson, B. C. 2005, Climate Research, 28, 95         [ Links ]

4.- Johns, T. C., Carnell, R. E., Crossley, J. F., Gregory, J. M., Mitchell, J. F. B., Senior, C. A., Tett, S. F. B., & Wood, R. A. 1997, Climate Dynamics, 13, 103         [ Links ]

5.- Kalnay, E., Kanamitsu, M., Kistler, R., et al. 1996, Bulletin of the American Meteorological Society, 77, 437         [ Links ]

6.- Stoffer, D. S. 1999, J. Amer. Statist. Assoc., 94, 1341 Wilby, R. L., Conway, D., & Jones, P. D. 2002b, Hidrological Processes, 16, 1215         [ Links ]

7.- Zorita, E. & von Storch, H. 1999, Journal of Climate, 12, 2474