Ecología en Bolivia
versión impresa ISSN 1605-2528versión On-line ISSN 2075-5023
Ecología en Bolivia vol.54 no.1 La Paz abr. 2019
Artículo
Clima y variabilidad espacial de la ceja de monte y andino húmedo
Climate and spatial variability of the humid upper Andes
Jorge Molina-Carpio*, Daniel Espinoza, Enrique Coritza, Franklin Salcedo, Cristian Farfán, Leonardo Mamani & Javier Mendoza
Instituto de Hidráulica e Hidrología, Universidad Mayor de San Andrés, calle 30, campus universitario, Cota Cota, La Paz, Bolivia. *Autor de correspondencia: amolina@umsa.bo
Recibido: 13.03.19, Aceptado: 25.04.19.
Resumen
Presentamos una caracterización del clima de los Andes húmedos y su variabilidad espacial, con énfasis en el rango altitudinal de 2.000 a 4.000 m. Mediante el análisis de registros climáticos diarios y horarios se logró identificar los procesos atmosféricos dominantes en la cuenca andina del río Beni y los Yungas de La Paz. Se halló que la mayor parte de los múltiples máximos lluviosos en el subandino y Yungas son consecuencia de la interacción entre el flujo sudamericano de bajo nivel (SALLJ) y la compleja orografía regional. Sin embargo, en el rango de 2.000 a 4.000 m predominan mecanismos de circulación local que facilitan el transporte de humedad desde los valles hacia las laderas siguiendo un ciclo diurno. Esto resulta en una franja hiperhúmeda y relativamente fría centrada alrededor de los 3.000 m de altitud, donde la precipitación media alcanza valores 2-10 veces más altos que la evapotranspiración potencial (ETP). Esta franja se caracteriza por valores excepcionalmente altos de humedad relativa y número de días lluviosos, y muy bajos de radiación solar, ETP y amplitud térmica diaria. La combinación de los procesos atmosféricos regionales y locales con la orografía crea múltiples islas biogeográficas húmedas e hiperhúmedas, pero de menor extensión que los "hotspots" lluviosos del Chapare y el Alto Madre de Dios.
Palabras clave: Andes húmedos, Clima, Lluvia orográfica.
Abstract
We present a characterization of the climate of the humid Andes region and its spatial variability, with emphasis on the altitude range from 2,000 to 4,000 m. Through the analysis of daily and hourly climate records we could identify the dominant atmospheric processes in the Andean basin of the Beni River and Yungas. It was found that most of the multiple rainfall maxima in the Subandino and Yungas are a consequence of the interaction between the South American low level jet (SALLJ) and the complex regional orography. However local circulation mechanisms, which facilítate the transport of moisture from the valleys to the hillslopes following a diurnal cycle, predomínate in the range of 2,000 to 4,000 m. This result in a perhumid and cold strip centered around 3,000 m of altitude, where the average rainfall reaches values 2 to 10 times larger than potential evapotranspiration (PET). This strip is characterized by exceptionally high relative humidity and number of rainy days, and very low values of solar radiation, PET and diurnal temperature range. The combination of regional and local atmospheric processes with the orography creates multiple perhumid biogeographic islands, smaller than the "rainfall hotspots" of Chapare and Alto Madre de Dios.
Key words: Climate, Humid upper Andes, Orographic rainfall.
Introducción
En el flanco oriental de la cordillera de Los Andes, desde Venezuela hasta Bolivia, se observa una estrecha franja húmeda entre 2.500 y 3.500 m ocupada por el bosque altimontano nublado (Mueller et al. 2002), también denominado ceja de monte (Navarro & Maldonado 2005). Por encima de ese bosque y hasta 4.000-4.200 m, se encuentra el páramo o ceja de monte alta, también muy húmedo. El alto endemismo relativo de esta ecorregión (Kessler & Kluge 2008) y de la puna ha sido asociado a procesos evolutivos y biofísicos, como el efecto de insularidad continental (Anthelme et al. 2014), así como a sus características climáticas, ambas influenciadas por la compleja orografía y extensión de la cordillera de Los Andes. La presencia de depresiones y discontinuidades en la cadena montañosa, así como de serranías y montañas aisladas, tiende a fragmentar esa franja, creando islas biogeográficas húmedas. En esa franja altitudinal Weischet (cit. por Bendix et al. 2006) ya había identificado en 1969 un máximo "secundario" de precipitación que ocurre entre 2.600 y 3.300 m. Este máximo, que se presenta en las laderas y cumbres de profundos valles andinos, ha sido relacionado con el calentamiento diurno de las laderas, que favorece la convección y provoca vientos que transportan humedad ladera arriba, que precipita en el nivel de condensación, identificado por la presencia de niebla frecuente.
Los máximos principales o hotspots" lluviosos, situados entre 300 y 1.500 m de altitud, resultan de la interacción del flujo sudamericano de bajo nivel (SALLJ=South American Low Level Jet) con la cadena andina y la consiguiente elevación de masas de aire húmedo en cortas distancias por efecto orográfico (Espinoza et al. 2009, 2015). La lluvia en los "hotspots" llega a superar los 6.000 mm/año, como es el caso del Chapare en Bolivia.
Las redes manejadas por los servicios meteorológicos nacionales de los países andinos incluyen muy pocas estaciones situadas en el rango climático y altitudinal de 2.000 a 4.000 m. En contrapartida, el bosque nublado y el páramo andino han sido objeto de interés de investigadores biólogos y ecohidrólogos desde hace más de 30 años (i.e. Bruijnzeel & Proctor 1995, Buytaert et al. 2006). Varios estudios (i.e. Bendix et al. 2004, 2006) han analizado los ciclos de energía y nutrientes y las características del clima e hidrología en ese rango, incluyendo la importancia y el rol de la precipitación "horizontal" (causada por la condensación de la niebla sobre la vegetación) sobre el balance hídrico. Recientemente datos hidroclimáticos de subcuencas altoandinas han sido puestos a libre disposición (Ochoa-Tocachi et al. 2018). Sin embargo, la alta variabilidad espacial y temporal del clima de los Andes tropicales dificulta la extrapolación de esa información a otras regiones andinas, incluso en distancias cortas. Además la mayor parte de los registros son de duración menor a cinco años (Bruijnzeel & Hamilton 2000), lo que dificulta obtener estadísticos de tendencia central y de dispersión representativos, que requieren de 20 ó más años de registro (OMM 1994). Las series cortas tampoco permiten el análisis de la variabilidad interanual de las principales variables hidroclimáticas, ni la regionalización climática y mucho menos, la evaluación de tendencias de largo plazo. Por otro lado, la estimación indirecta de variables climáticas a partir de satélites, que ha demostrado ser útil en regiones llanas como el Altiplano o la llanura amazónica (Satgé et al. 2016, 2017), presenta errores y un alto grado de incertidumbre en los valles interandinos, con sesgos grandes (positivos o negativos) y modestos coeficientes de correlación con las series terrestres (Espinoza et al. 2015, López 2017). Se han identificado múltiples causas para ello, desde la relativamente baja resolución espacial de los datos satélite, hasta deficiencias en los algoritmos de cálculo de la precipitación en zonas tropicales, que confunden campos de nieve y hielo con nubes frías (López 2017).
Existen muy pocos estudios sobre el clima del altoandino húmedo en Bolivia. Mueller et al. (2002) presentaron un mapa de precipitación potencial de los Yungas de Bolivia, asociado a un mapa de vegetación, que muestra que la precipitación puede superar los 2000 mm/año a elevaciones por encima de los 2.500 m en el flanco oriental de Los Andes. Con base en datos registrados en un periodo menor a ocho años, Molina-Carpio (2005) halló que en el sector de Huarinilla-Cotapata la precipitación presenta un máximo alrededor de los 3.000 m de altitud en la ecorregión del bosque nublado, con valores promedio que superan los 3.000 mm/año y lluvias de moderada intensidad. La información sobre otros parámetros climáticos es escasa y aún más escasos los estudios sobre la relación del ciclo diurno del viento y precipitación con la variabilidad espacial a escala local (Junquas et al. 2018). En años posteriores y en el marco de algunos proyectos de investigación (Schawe 2005, Molina-Carpio & Salcedo 2011) se instalaron estaciones meteorológicas automáticas en la región de interés, que han permitido disponer de información a escala horaria para varios parámetros climáticos, lo que a su vez ha permitido evaluar por primera vez el ciclo diario. El periodo de registro es relativamente corto para la mayor parte de las estaciones. Una excepción notable es Chuspipata, instalada en diciembre 2006 en el mismo lugar donde funcionó la estación convencional descrita por Molina-Carpio (2005), por lo que cuenta con más de 10 años de registro horario casi continuo y siete años de registro convencional. Esos datos y otros provenientes del Servicio Nacional de Meteorología e Hidrología (SENAMHI), la Compañía Boliviana de Energía Eléctrica (COBEE) y el Institut de recherche pour le développement (IRD) fueron recopilados y analizados para el presente trabajo.
En el presente estudio se plantea la hipótesis de que la alta variabilidad espacial del clima está asociada al ciclo diario en el rango altitudinal de 2.000 a 4.000 m y que el clima es un factor importante del alto endemismo de la ceja de monte. Se describen y analizan las características climáticas de la región, su variabilidad espacial y relación con el ciclo diario, así como sus posibles causas. Para este propósito se evalúa a la escala más detallada posible, la variabilidad espacial de la precipitación y evapotranspiración (ETP), así como de las variables climáticas que intervienen en la ETP.
Área de estudio
El área de estudio se encuentra en el departamento de La Paz, al oeste de Bolivia, entre los 15°40' y 16°40 S y 67°25 y 68°45'O (Fig. 1). Se encuentra casi en su totalidad en la región de los Yungas. Comprende la subcuenca del río Coroico y parte de las subcuencas adyacentes de los ríos Unduavi, Challana, Tipuani y La Paz. Las cumbres de la Cordillera Real, de hasta 6.450 m del altitud, separan el área de estudio del Altiplano nororiental y los valles semiáridos de La Paz al suroeste, donde la precipitación es mucho menor (Satgé et al. 2016). La subcuenca del río Coroico forma parte de la cuenca andino-amazónica del río Beni hasta Rurrenabaque (Fig. 1, parte superior), que se extiende entre los 6.450 y 200 m de altitud sobre un área de 70.000 km2 (Molina-Carpio et al 2017a) y es el área de estudio del proyecto PHYBAAM (Molina et al. 2017b). El bosque altimontano pluvial y pluviestacional predomina en el rango altitudinal de 2.000 a 3.400 m y el bosque y pajonal arbustivo altoandino pluvial por encima de 3.400 m (Navarro & Ferreira 2007).
Ubicada en el sector sudoccidental de la Amazonia, el área de estudio tiene al Atlántico tropical como la principal fuente oceánica de humedad, transportada por los vientos alisios de bajo nivel (SALLJ) y reciclada ampliamente por evapotranspiración en la planicie amazónica, que es la principal fuente continental de humedad (Sori et al. 2018). Estos vientos se desvían a lo largo de los Andes siguiendo la dirección sureste de la cadena montañosa, llevando humedad hasta la cuenca del Plata. A escala sinóptica el vapor precipitable ingresa al área de estudio por el norte/noroeste (Zeng 1999). La mayor parte de la precipitación ocurre durante el verano austral, entre diciembre y marzo, coincidiendo con la inflexión hacia el sur de la Zona Intertropical de Convergencia (ZITC). Al mismo tiempo se observa al sur y sobre el Altiplano la formación de un centro de alta presión ("Alta de Bolivia") en la troposfera superior. Durante el invierno este anticiclón desaparece y la ZCIT se mueve hacia el norte, lo que coincide con una menor disponibilidad de agua en la atmósfera.
Datos y métodos
Se recopiló información climática diaria para la cuenca andina del río Beni hasta Rurrenabaque. Las fuentes fueron el SENAMHI, COBEE y el IRD en el valle de Zongo, así como las estaciones descritas en el trabajo de Molina-Carpio (2005). La base de datos resultante en formato Hydraccess (Coritza 2017) contiene información de 177 estaciones. Se evaluó la calidad de los datos de precipitación y temperatura máxima y mínima diarias según los lineamientos descritos por Hunziker et al. (2018). Para ello se aplicó un enfoque mejorado que usa las pruebas y controles incluidas en los programas Rclimdex (Zhang & Yang 2004), AndesQC y QC19 (Hunziker et al. 2018). Se aplicó el método del vector regional (VR Hiez, Vauchel 2007) a las series de precipitación para obtener una regionalización preliminar. Este método crea un índice (vector) de precipitación anual, que representa a un grupo de estaciones que tienen totales anuales de precipitación seudo-proporcionales, por lo que pertenecen a una misma "región pluviométrica". Para el análisis se usó el año hidrológico de septiembre a agosto. Un valor de VR=1 corresponde a la precipitación promedio anual (año hidrológico septiembre-agosto) del periodo de estudio. El vector permite identificar años hidrológicos húmedos (VR>1) y deficitarios (VR<1).
En una fase siguiente se llevó a cabo la homogeneización de las series mensuales de precipitación (según grupos regionales) y de temperatura máxima y mínima (C. Farfán datos no publicados), para lo que se utilizó el método y programa ACMANT3 (Domonkos & Coll 2017). ACMANT3 es un método automático que permite la detección y corrección de quiebres no climáticos e incorpora una función para la detección previa de valores atípicos mensuales. El método se aplica a estaciones con registros de al menos 10 años de duración, que presenten una correlación superior a 0.40 con al menos cinco estaciones vecinas. Este proceso resultó en 126 series de precipitación y 45 de temperatura que pudieron ser homogeneizadas en la cuenca andina del río Beni y alrededores, de las que 14 de precipitación y 8 de temperatura están en la región de los Yungas. El trabajo se llevó a cabo en el marco del proyecto PHYBAAM (Molina et al. 2017b).
Se creó una base de datos de siete estaciones automáticas, tres de ellas ubicadas en el cerro Hornuni (Schawe 2005) con información del año hidrológico 2001-2002 y cuatro (Pongo, Chuspipata, Tunel San Rafael, Siñari) ubicadas a lo largo de la carretera a los Yungas. La única estación automática a la que pudo aplicarse el vector regional y el método ACMANT3 fue Chuspipata, por tener un registro casi continúo de más de 10 años de duración. Para las otras estaciones se estimaron valores medios de precipitación anual usando el vector regional. Para todas las estaciones de periodo de registro corto, el número medio de días lluviosos (días en que la lluvia iguala o supera a 1 mm) se estimó en base a la relación con los registros de Chuspipata.
La evapotranspiración potencial (ETP) fue calculada a nivel medio mensual con el método de Penman (Doorenbos & Pruitt 1988) usando datos de temperatura media (calculada como el promedio de la temperatura máxima y mínima diarias), humedad relativa, velocidad media del viento y radiación. Cuando no existían registros de radiación se usó la insolación medida en horas de sol por día. Salcedo (2008) mostró que para la región de estudio los resultados obtenidos con el método de Penman presentan muy buena correlación con las mediciones en tanque tipo A.
Para estimar la altitud Zm a la que ocurre el máximo pluviométrico local se utilizó el modelo bidimensional (Z y x) simplificado de Alpert (1986) para montañas altas. La ecuación diferencial propuesta por Alpert fue resuelta para la ecuación de una montaña en forma de campana de altura H y semiancho b, introduciendo un coeficiente a para lograr una mejor aproximación a los perfiles topográficos reales. La ecuación de esta montaña (Z=altitud o cota topográfica) es:
La altitud Zm del máximo pluviométrico se estima con la relación:
Donde:
L = gradiente térmico altitudinal (°C/km), altura H (km) y = coeficiente adimensional.
Resultados
Caracterización climática
Se observa la gran variabilidad espacial de la precipitación media anual (Fig. 1), cuya magnitud es descrita por el tamaño del círculo que representa a cada estación. La tabla 1 muestra la ubicación, altitud, precipitación media anual y número de días lluviosos por año, estimados para el periodo 1972-2016 en algunas estaciones seleccionadas. La precipitación anual de las estaciones Hornuni3010 (4.550 mm/año) y Chuspipata (3.900 mm/año) es comparable a estaciones del Chapare, pero distribuida en más de 200 días lluviosos por año, muy superior a otras estaciones de los Yungas (Tabla 1) y los más altos del país. Tanto la precipitación como el número de días lluviosos disminuyen en estaciones situadas por encima o debajo de los 3.000 m, indicando que a esa altitud se produce un máximo pluviométrico local. Se observa también que la ladera norte del valle de Huarinilla, donde están las estaciones del cerro Hornuni, recibe más precipitación y registra un número mayor de días lluviosos que las de ladera sur donde está Chuspipata.
La estacionalidad de la precipitación en el piso altoandino húmedo es similar al resto de la región: No existen diferencias significativas en la proporción de la lluvia anual que precipita en cada mes del año en Chuspipata y otras estaciones yungueñas (Fig. 2). Por otro lado, la precipitación a 3.000 m no es muy intensa: en 10 años de registro automático y siete años anteriores de registro convencional la precipitación máxima diaria registrada en Chuspipata fue de 184 mm. Este valor es superior a los registros de estaciones yungueñas (Molina-Carpio 2005) y del mismo orden que estaciones del subandino (i.e. Sapecho o Guanay), pero es inferior a las precipitaciones máximas diarias registradas en el Chapare (La Jota=390 mm), Rurrenabaque (280 mm) o San Borja (300 mm).
La variabilidad interanual de la precipitación regional se representa mediante el vector Yungas, compuesto por estaciones por encima de 1.000 m de altitud y el vector Chuspipata (Fig. 3). Se usó el año hidrológico: por ejemplo septiembre 2001-agosto 2002 se consigna como 2002. El vector se utilizó también para estimar la precipitación media anual 1972-2016 en las estaciones del cerro Hornuni, dividiendo los registros del año 2001-02 por el valor del vector Yungas (1.13 para 2002). Chuspipata tiene menos variabilidad interanual (coeficiente de variación CV=0.08) que el vector Yungas (CV=0.11). El vector Yungas indica lluvias ligeramente deficitarias (VR<1) durante los fuertes eventos El Niño de 1982-83, 1991-92 y 2015-16, pero no durante El Niño 1997-98. El VR Yungas presenta una correlación negativa moderadamente significativa (r=-0.3, p<0.1) con la temperatura del océano Pacífico ecuatorial central, zona Niño 3-4. La correlación es significativa (r=-0.52, p<0.05) durante los trimestres diciembre-febrero (estación lluviosa) y marzo-mayo. Eso significa que anomalías positivas (negativas) de temperatura en esta región oceánica están frecuentemente asociadas a déficit (exceso) de lluvias en los Yungas (Ronchail & Gallaire 2006).
Los valores medios anuales de varios parámetros climáticos de estaciones seleccionadas se muestran en la tabla 2. A diferencia de la tabla 1, esos valores fueron calculados para el periodo de registro de cada estación, que varía de 1 a más de 30 años, por lo que los resultados no son estrictamente comparables. Con esas limitaciones, se observa que Chuspipata y Hornuni3010 presentan los valores más altos de humedad relativa y los más bajos de radiación y ETP, no sólo de los Yungas sino de todo el país. Las diferencias entre ambas estaciones se explican ante todo a que los registros del cerro Hornuni corresponden a un solo año húmedo. Chuspipata, Hornuni3010 y 2600 presentan la amplitud térmica diaria DT (diferencia entre la máxima y mínima del día) más baja de la tabla 2 y muy inferior a las estaciones del valle de La Paz (Laykacota y Mecapaca), cuya amplitud térmica es mucho más grande y está asociada a una humedad ambiente menor. El altoandino húmedo es relativamente frío: la temperatura media (y máxima) en Chuspipata y Hornuni3010 es considerablemente más baja (3-4° C) que las estaciones del valle de La Paz situadas a altitud similar. Para varios parámetros climáticos los valores extremos (máximo o mínimo) ocurren alrededor de 3.000 m de altitud.
La tabla 2 permite estimar el gradiente térmico altitudinal de la temperatura media en las laderas del valle de Huarinilla. Tanto en el cerro Hornuni (estimado con datos de solamente un año) como en la ladera sur del valle de Huarinilla, el gradiente supera los 6°C/1.000 m. Es un valor superior al de los Yungas (4.8°C/1.000 m) y próximo al de las estaciones del valle del río La Paz por encima de 2.000 m, donde también supera los 6°C/1.000 m (Coritza 2017). Salcedo (2008) estimó un gradiente de 5.6°C/1.000 m en el cerro Hornuni usando todos los registros horarios y no solamente la temperatura máxima y mínima diarias. En el subandino norte por debajo de 1.500 m, el gradiente es de 3.5°C/1.000 m. Coritza (2017) mostró que las diferencias entre subregiones están determinadas por las diferencias en el gradiente de temperatura máxima diaria, ya que el gradiente altitudinal de temperatura mínima diaria es casi uniforme en toda la cuenca.
La figura 4 muestra los componentes del balance hídrico en Chuspipata para una capacidad estándar de almacenamiento en el suelo de 100 mm. La precipitación supera a la evapotranspiración potencial ETP los 12 meses del año, por lo que la evapotranspiración real ETR es igual a la ETP, lo que corresponde a un clima hiperhúmedo, sin ninguna deficiencia de agua y suelo saturado a lo largo del año. El balance hídrico de Chulumani, una estación representativa de los Yungas, muestra que la ETP supera a la precipitación durante cinco meses al año (abril-agosto) y la ETR es inferior a la ETP durante junio-agosto por insuficiencia de agua almacenada en el suelo.
Variabilidad espacial y ciclo diario
La figura 5c muestra un transecto topográfico y pluviométrico desde la llanura beniana próxima a Reyes al norte hasta el Altiplano oriental próximo a la ciudad de La Paz al sur. Destaca la presencia de varios máximos locales de precipitación, ubicados casi todos en el lado norte de varias serranías de diferentes altitudes, expuesto a los vientos alisios. El modelo de Alpert predijo la existencia de estos máximos locales generalmente a una altitud Zm mayor a la que se encuentra la estación pluviométrica más próxima y también el modelo previo la existencia de otros máximos locales en serranías donde no hay estaciones. Sin embargo, no proyectó la existencia del máximo principal (4.550 mm/año), ubicado al sur del cerro Hornuni a 3.010 m de altitud. Para calcular Zm en este caso, se utilizó una altura H=5.000 m, que corresponde a la altitud media de la cresta de la Cordillera Real en ese sector.
La figura 5b muestra a escala más detallada el perfil topográfico transversal y pluviométrico del valle del río Huarinilla, que cuenta con una densidad relativamente alta de estaciones pluviométricas. En las dos laderas los máximos de precipitación (Hornuni3010 y Chuspipata), aunque de diferente magnitud, ocurren a una altitud de 3.000 m. Por debajo y por encima (Tabla 1) de esa altitud, la precipitación decrece. Por eso el mínimo local (Huarinilla, 1640 mm/año) se presenta en el fondo del valle.
La figura 6 muestra el ciclo diario medio anual de la velocidad del viento (m/s) y precipitación (como fracción del total medio diario) en 4 estaciones de ese valle que cuentan con registros horarios. En las estaciones del cerro Hornuni el viento alcanza su velocidad media máxima entre 12:00 y 13:00 (Fig. 6a), lo que coincide con un viento en dirección ladera arriba (Fig. 6b). El máximo diario de precipitación en Hornuni3010 ocurre alrededor de las 14:00 es decir 1 a 2 horas más tarde que el de viento (Fig. 6c). Otras estaciones situadas a mayor altitud, como Pongo, o situadas en el lado occidental y menos lluvioso de la Cordillera Real, como Laykacota-La Paz, presentan un máximo lluvioso a aproximadamente la misma hora. En las dos estaciones situadas ladera abajo (Hornuni2600 y particularmente Hornuni1800) se observa que el máximo principal por magnitud ocurre durante la noche, siendo el de la tarde un máximo secundario. En Chuspipata, situada en una cumbre local, el máximo de velocidad de viento ocurre alrededor de las 14:00 y el de precipitación entre 15:00 y 16:00, es decir 1-2 horas más tarde que en el cerro Hornuni. El máximo secundario de la noche es de mayor magnitud que en Hornuni3010. El ciclo diario medio de la precipitación está dominado por la estación húmeda. La distribución diaria de la estación seca presenta diferencias en magnitud (no mostradas), pero el comportamiento se mantiene (Salcedo 2008).
Discusión
La región se caracteriza por la gran variabilidad espacial de varios parámetros climáticos. En el caso de la precipitación, los múltiples máximos locales identificados con el modelo de Alpert (Fig. 5) son consecuencia de la compleja orografía de la región. Los ejes longitudinales de varias serranías situadas antes de la cadena montañosa principal (Cordillera Real) forman con el SALLJ ángulos adecuados para inducir precipitación orográfica, aun cuando las serranías sean de altitud modesta. Así la serranía del Bala, de apenas 1.000 m de altitud, ya induce un primer máximo local que se manifiesta en Rurrenabaque, donde llueve 400 mm/año más que en la llanura beniana adyacente. Como Rurrenabaque y Entre Rios km 52 (serranía de Bellavista) están por debajo de los puntos (Zm) de máxima precipitación local según el modelo de Alpert (1986), cabe esperar que la precipitación en esas serranías alcance valores aún más altos que los registrados en esas estaciones. Y muy probablemente existen otros puntos en la región, en sectores donde no existen estaciones, donde la precipitación podría ser aún mayor (Molina et al. 2017b). Una fuerte precipitación orográfica está asociada a un flujo muy húmedo de bajo nivel (SALLJ en este caso) en condiciones de relieve que favorecen un rápido ascenso y convergencia, condiciones que al parecer se cumplen en las serranías del subandino y el Chapare (Espinoza et al. 2015).
Aparentemente el modelo de Alpert identifica el máximo u óptimo pluviométrico de la ceja de monte a 3.000 m de altitud, donde se ubican al menos dos estaciones climatológicas. En realidad el modelo identifica solamente el máximo de Chuspipata, pero no el de Hornuni3010 (Fig. 5b). Más aún, la figura 5b muestra que con respecto a un flujo húmedo proveniente del norte, Hornuni3010 está en el lado de "sombra de lluvia" por lo que allí no podría ocurrir un óptimo pluviométrico y debería llover menos que en Chuspipata. Además Hornuni3010 no está junto a la cadena montañosa principal y el valle del río Huarinilla tiene una dirección este-oeste, casi perpendicular al SALJJ (Fig. 6b). Todo esto muestra que un modelo bidimensional simple como el de Alpert es insuficiente para describir los procesos que generan la precipitación en esos puntos.
¿Qué otros factores explican el máximo pluviométrico a 3.000 m? La figura 6 muestra que la circulación atmosférica diurna favorece el transporte de humedad desde el fondo del valle del río Huarinilla hacia las dos laderas. La evapotranspiración durante el día en el valle (Tabla 2) genera vapor precipitable que luego es transportado por vientos anabáticos que son resultado del calentamiento diurno de las laderas. Este patrón de circulación local genera la formación de nubes (neblina) en las laderas y cumbres, con un máximo en horas de la tarde. La capa de nubes se extiende hasta aproximadamente 4.000-4.200 m de altitud y es visible al cruzar la cordillera desde el Altiplano hacia los Yungas. El óptimo pluviométrico a 3.000 m coincide con el nivel de condensación. Este mecanismo local de convección poco profunda genera lluvias orográficas de intensidad moderada (Bendix et al. 2006).
Bajo esas condiciones, la hiperhumedad en el rango altitudinal de 2.500 a 3.500 m se manifiesta en los valores más altos registrados en Bolivia de humedad relativa y número de días de lluvia por año y los más bajos de amplitud térmica diaria, radiación solar y ETP ver tablas 1-2). A pesar de la fuerte estacionalidad de la precipitación P, típica de la Amazonia sur, el suelo se mantiene saturado debido a que la ETP se mantiene inferior a P todo el año (Fig. 4). La alta precipitación y baja estacionalidad relativa (humedad) confieren estabilidad climática al Altoandino húmedo tropical, en un grado próximo a la de regiones ecuatoriales. Según Killeen et al. (2007) esa estabilidad pudo haberse mantenido por periodos largos (miles de años) en varios lugares, lo que probablemente también es válido para el piso del páramo yungueño, situado por encima de los 3.500 m, más frío pero también muy húmedo.
Las características climáticas y la complejidad orográfica de la ceja de monte facilitan la formación de islas biogeográficas húmedas e hiperhúmedas, que constituyen las zonas de mayor endemismo relativo en el país (Araujo et al. 2010). Kessler & Kluge (2008) mostraron que varios grupos de plantas y vertebrados (reptiles, aves y mamíferos) presentan un máximo endemismo relativo alrededor de los 3.000 m en los Andes centrales de Bolivia. Para anfibios, Anthelme et al. (2014) hallaron que la proporción más alta de especies endémicas se presenta por encima de los 3.400 m, en el páramo yungueño (o ceja de monte alta) y puna. Kessler (2002) mostró que para un conjunto de 27 familias de plantas estudiadas en Ecuador, la proporción máxima de especies endémicas ocurría en el rango altitudinal de 2.500 a 3.500 m. La coincidencia en el rango altitudinal sugiere que el alto endemismo relativo de la ceja de monte está asociado a sus características climáticas y su gran variabilidad espacial.
El ciclo diurno de las lluvias en el valle de Huarinilla, con un máximo durante la noche (representado por la estación de Hornuni1800 en la figura 6), sugiere que en el valle predomina un mecanismo diferente: el flujo de vapor precipitable proveniente de la Amazonia es canalizado mecánicamente por el valle al ascender (Junquas et al. 2018). Si bien este proceso también es forzado por la orografía, es de carácter más regional (sinóptico). La precipitación en el fondo del valle (Fig. 5b), muy inferior a la registrada a 3.000 m, muestra que el flujo ladera abajo que reemplaza el aire húmedo ascendente provoca poca precipitación en el valle. Si bien el aire descendente puede estar saturado en su extremo superior, se calienta y pierde humedad al descender, lo que causa divergencia y genera poca nubosidad (Bendix et al. 2006, Killeen et al. 2007). Sin embargo, el mecanismo regional es suficiente para mantener una precipitación del orden de 1.500 mm/año en el valle y la vegetación típica del bosque yungueño, pero con mayor temperatura y radiación, humedad relativa más baja y menor número de días lluviosos por año que en las laderas (Tablas 1 y 2).
La presencia de bosque nublado en laderas y cerros de la parte baja de valles más áridos como los de los ríos La Paz, Tamampaya y Cotacajes (Navarro & Ferreira 2007), sugiere que es la circulación atmosférica diurna la que genera las condiciones de humedad requeridas por ese tipo de vegetación. Como la precipitación en esos valles está en el orden de 800 mm/año, cabe esperar que la precipitación en esos bosques sea considerablemente inferior a la de las laderas y cumbres del valle de Huarinilla. Aun así, se tiene un efecto de "isla húmeda" rodeada de valles semiáridos.
La variabilidad espacial a microescala se evidencia a través de otros parámetros climáticos. Así entre 1.800 y 3.000 m de altitud en la ladera norte (cerro Hornuni) del valle de Huarinilla, el gradiente pluviométrico es de 200 mm por cada 100 m de desnivel. En la ladera sur entre las estaciones de Huarinilla y Chuspipata es de 100 mm por 100 m de desnivel (Tabla 1). Por otro lado, la ETP (y la radiación neta) en el valle es el doble de la que corresponde a 3.000 m de altitud. La ETP es aún mayor en estaciones situadas por encima de los 4.000 m (Tabla 2). Más aún, el máximo pluviométrico a 3.000 m en horas de la tarde no cambia a una tasa uniforme con la altitud (Fig. 6c) y tiene un comportamiento estacional (no mostrado): en la estación seca (junio-agosto) el máximo diario ocurre en la tarde en las tres estaciones Hornuni, mientras que en la estación más húmeda (diciembre-febrero) el máximo nocturno de Hornuni2600 y Hornuni 1800 es aún más marcado que el anual.
En síntesis, si bien el conocimiento actual de la dinámica atmosférica asociada a la orografía permite explicar la mayor parte del comportamiento del clima en la región de estudio, evaluar el rol que juegan los procesos a escala regional y local sobre el clima de un determinado sitio y estimar cuantitativamente la gran variabilidad espacial, especialmente de la precipitación en los Andes, son aún desafíos para el investigador. Para avanzar en la comprensión de esos procesos y de los patrones de circulación regional y local en la región de estudio (y de los Andes en general) y evaluar la variabilidad espacial absoluta y relativa del clima, se sugiere usar modelos climáticos de alta resolución (3 km o menos), que puedan reproducir la topografía local y la dinámica atmosférica a microescala. Las salidas de estos modelos "regionales" como el WRF (Junquas et al. 2018) deberían ser comparadas y eventualmente ajustadas con los datos existentes, siendo especialmente útiles los de paso temporal subdiario. Un modelo que explique satisfactoriamente esos procesos sería útil para el análisis climático y biogeográfico de los Andes orientales.
Conclusiones
Si bien la existencia de un flujo húmedo de bajo nivel (SALLJ en el caso presente) es una condición para que exista alta precipitación orográfica, los procesos atmosféricos locales son también importantes. En el nivel regional y sinóptico, los profundos valles de la ladera oriental andina tienden a canalizar las masas de aire húmedo provenientes de la Amazonia, pero su orientación muy variada y frecuentes cambios de dirección, como es el caso del río Huarinilla-Coroico, incrementan y complejizan la variabilidad espacial. Además entre la llanura amazónica al norte de Rurrenabaque y la Cordillera Real al sur del área de estudio, existen varias serranías o cadenas montañosas de menor altitud y de orientación y fisiografía muy diversas, que contribuyen a incrementar la variabilidad climática y diversidad biológica de la región de los Yungas.
A nivel local y cuando los patrones sinópticos no son dominantes, las condiciones de hiperhumedad de la ceja de monte en la ladera Este de los Andes pueden explicarse por el ciclo diario de la precipitación y de otras variables climáticas, resultado a su vez de la circulación atmosférica local que transporta humedad del valle hacia las laderas y se sobrepone al mecanismo regional. La ceja de monte presenta además una relativa estabilidad climática, al menos a escala estacional e interanual y probablemente a escalas temporales más grandes.
Los mapas de vegetación a escala suficientemente detallada como el de Navarro & Ferreira (2007), podrían ser usados como una primera aproximación a la estimación cuantitativa relativa de la variabilidad espacial del clima del altoandino húmedo, en conjunto con los registros de estaciones meteorológicas. Como se mostró en el presente estudio, las estaciones de registro subdiario-horario son particularmente útiles. Para la región de estudio se recomienda mantener y reforzar la red de estaciones existente en la ladera sur del valle de Huarinilla, rehabilitar las del cerro Hornuni e instalar estaciones automáticas en el valle cercano de Zongo, tanto junto a estaciones convencionales como en nuevos sitios en las laderas. Las estimaciones de precipitación de satélite, si bien inadecuadas a escala local por su relativa baja resolución podrían servir, previa validación, de apoyo para estudiar el comportamiento a escala regional.
Finalmente se recomienda aplicar un modelo climático regional que integre y use esa información. Este modelo podría ser útil no solamente para para analizar la dinámica del clima a microescala, sino para mejorar el conocimiento de la biogeografía de los Andes orientales. Podría servir también para estudiar escenarios futuros, como los resultantes del cambio climático global.
Agradecimientos
Agradecemos al SENAMHI-Bolivia y al IRD por brindar datos climáticos de paso diario y a Marcus Schwabe por proporcionar los datos horarios de las estaciones del cerro Hornuni. El primer autor agradece al programa ECOBONA, en la persona de Ximena Aramayo y Galo Medina, por el financiamiento que permitió instalar parte de las estaciones automáticas de la ladera sur del valle de Huarinilla. El presente trabajo se desarrolló en el marco del proyecto PHYBAAM (Procesos Hidrológicos en Cuencas Andino-Amazónicas), que lleva a cabo el Instituto de Hidráulica e Hidrología de la UMSA en cooperación con el IRD.
Referencias
Alpert, P. 1986. Mesoscale indexing of the distribution of orographic precipitation over high mountains. Journal of Climate and Applied Meteorology 25: 532-545. [ Links ]
Anthelme, F., D. Jacobsen, P. Macek, R. I. Meneses, P. Moret, S. Beck & O. Dangles. 2014. Biodiversity patterns and continental insularity in the high tropical Andes. Arctic, Antarctic and Alpine Research 46: 611-628.
Araujo, N., R. Müller, C. Nowicki & P. L. Ibisch (eds.). 2010. Prioridades de Conservación de la Biodiversidad de Bolivia. Fundación Amigos de la Naturaleza (FAN), Asociación Boliviana de Conservación (TRÓPICO), Centro de Estudios y Proyectos (CEP), Agencia Nórdica para el Desarrollo y la Ecología (NORDECO), Servicio Nacional de Áreas Protegidas (SERNAP), Fondo Mundial para el Medio Ambiente (GEF), Conservación Internacional (CI), The Nature Conservancy (TNC), Wildlife Conservation Society (WCS), Universidad de Eberswalde. Editorial FAN, Santa Cruz.
Bendix, J., P. Fabián & R. Rollenbeck. 2004. Gradients of fog and rain in a tropical montane cloud forest of southern Ecuador and its chemical composition. Proceedings 3rd Int. Conf. on Fog, Fog Collection and Dew, 11-15Oct. 2004, Cape Town.
Bendix, J., R. Rollenbeck. & C. Reudenbach. 2006. Diurnal patterns of rainfall in a tropical Andean valley of southern Ecuador as seen by a vertically pointing k-band Doppler radar. International Journal of Climatology 26: 829 846.
Bruijnzeel, L.A. & J. Proctor. 1995. Hydrology and biogeochemistry of tropical montane cloud forests: what do we really know? pp. 38-78. En: Hamilton, L.S., J.O. Juvik & F.N. Scatena (eds.) Tropical Montane Cloud Forests. Springer Verlag, New York.
Bruijnzeel L.A. & L.S. Hamilton. 2000. Decisión time for cloud forests, IHP Humid Tropics Programme series 13, Paris. 41 p.
Buytaert, W, R Celleri, P. Willems, B. De Bievre & G. Wyseure. 2006. Spatial and temporal rainfall variability in mountain áreas: A case study from the south Ecuadorian Andes. Journal of Hydrology 329: 413-421.
Coritza, E. 2017. Estudio climatológico de la cuenca del Río Beni. Tesis de licenciatura en ingeniería civil, Universidad Mayor de San Andrés, La Paz. 226 p.
Domonkos, P. & J. Coll. 2017. Homogenisation of temperature and precipitation time series with ACMANT3: method description and efficiency tests. International Journal of Climatology 37: 1910-1921.
Doorenbos, J. & W.O. Pruitt. 1988. Crop water requirements. FAO Irrigation and Drainage Paper, 24, Roma. 144 p.
Espinoza-Villar, J.C., J. Ronchail, J.L. Guyot, G. Cochonneau, N. Filizola, W. Lavado, E. De Oliveira, R. Pombosa & P. Vauchel. 2009. Spatio-temporal rainfall variability in the Amazon basin countries (Brazil, Perú, Bolivia, Colombia, and Ecuador). International Journal of Climatology 29: 1574-1594.
Espinoza, J.C., S. Chavez, J. Ronchail, C. Junquas, K. Takahashi & W. Lavado. 2015. Rainfall hotspots over the southern tropical Andes: spatial distribution, rainfall intensity and relations with largescale atmospheric circulation. Water Resources Research 51:3459-3475.
Farfán, C. en prep. Control de calidad y homogenización de datos de temperatura y precipitación en la cuenca andina del río Beni (en desarrollo). Tesis de licenciatura en ingeniería civil, Universidad Mayor de San Andrés, La Paz.
Hunziker, S., S. Brónnimann, J. Calle, I. Moreno, M. Andrade, L. Ticona, A. Huerta & W. Lavado-Casimiro. 2018. Effects of undetected data quality issues on climatological analyses. Climate of the Past, 14:1-20.
Junquas, C, K. Takahashi, T. Condom, J.C. Espinoza, S. Chavez, J.E. Sicart & T. Lebel. 2018. Understanding the influence of orography on the precipitation diurnal cycle and the associated atmospheric processes in the central Andes. Climate Dynamics 50(11-12):3995-4017.
Kessler, M. 2002. The elevational gradient of Andean plant endemism: varying influences of taxon-specific traits and topography at different taxonomic levéis. Journal of Biogeography 29: 1159-1165. [ Links ]
Kessler, M. & J. Kluge. 2008. Diversity and endemism in tropical montane forests - From patterns to processes. pp. 35-50. En: Gradstein, S.R., J. Homeier & D. Gansert (eds.) Tropical montane cloud forests — patterns and processes in a biodiversity hotspot. Biodiversity and Ecology Series 2, Universidad de Góttingen, Góttingen.
Killeen, T.J., M. Douglas, T. Consiglio, P.M. Jorgensen & J. Mejia. 2007. Dry spots and wet spots in the Andean hotspot. Journal of. Biogeography 34(8): 1357-1373.
López, S. 2017. Evaluación de la precipitación en base a datos satelitales GSMAP para su aplicación en la cuenca andina del río Beni. Tesis de licenciatura en ingeniería civil, Universidad Mayor de San Andrés, La Paz. 154 p.
Molina-Carpio, J. 2005. Régimen de precipitación en la cuenca de Huarinilla-Cotapata, La Paz-Bolivia. Ecología en Bolivia 40 (1): 43-55. [ Links ]
Molina-Carpio, J. & F. Salcedo. 2011. Caracterización climática del Altoandino húmedo. 4ta reunión científica del Observatorio HYBAM, Lima, Septiembre 2011.https://doi.org/10.13140/rg.2.2.29606.1184
Molina-Carpio, J., J.C. Espinoza, P. Vauchel, J. Ronchail, B. Gutiérrez, J. L. Guyot & L. Noriega. 2017a. Hydroclimatology of the Upper Madeira River basin: spatio-temporal variability and trends. Hydrological Sciences Journal 62(6): 911-927.
Molina-Carpio, J., D. Espinoza et al. 2017b. Procesos hidrológicos de cuencas andino amazónicas - PHYBAAM: Cuenca andina del río Beni. 7ta Reunión científica del Observatorio HYBAM, Niteroi RJ,Nov2017. https://doi.org/10.13140/rg.2.2.26008.49926
Mueller R., S. Beck & R. Lara. 2002. Vegetación potencial de los bosques de Yungas en Bolivia, basado en datos climáticos. Ecología en Bolivia 37(2): 5-14.
Myers, N., R.A. Mittermeier, C.G. Mittermeier, G.A.B. da Fonseca & J. Kent. 2000. Biodiversity hotspots for conservation priorities. Nature 403: 853-858.
Navarro, G. & M. Maldonado. 2005. Geografía ecológica de Bolivia: vegetación y Ambientes Acuáticos. Centro de Ecología Simón Patino, Cochabamba. 720 p.
Navarro, G. & W. Ferreira. 2007. Mapa de vegetación de Bolivia, escala 1: 250 000. RUMBOL SR., Cochabamba.
Ochoa-Tocachi, B.F., W. Buytaert, J. Antiporta, L. Acosta, J. Bardales, R. Célleri, P. Crespo, P. Fuentes, J.Gil-Ríos, M. Guallpa, C. Llerena, D. Olaya, P. Pardo, G. Rojas, M. Villacís, M. Villazón, P. Viñas & B. De Biévre. 2018. High-resolution hydrometeorological data from a network of headwater catchments in the tropical Andes. Scientific Data 5: 180080
OMM (Organización Meteorológica Mundial). 1994. Guía de prácticas hidrológicas, 5a edición, OMM 168, Ginebra. 781 p.
Ronchail J. & R. Gallaire. 2006. ENSO and rainfall along the Zongo Valley (Bolivia) from the Altiplano to the Amazon Basin. International Journal of Climatology 26: 1223-1236.
Salcedo, F. 2008. Efectos locales sobre el balance hídrico de cuencas andinas húmedas. Tesis de licenciatura en ingeniería civil, Universidad Mayor de San Andrés, La Paz, 188 p.
Satgé, F., M.P. Bonnet, M. Gosset, J. Molina, W. Yuque, R. Pilleo, F. Timouk & J. Garnier. 2016. Assessment of satellite rainfall produets over the Andean plateau. Atmopheric Research, 167: 1-14.
Satgé, F., A. Xavier, R. Zolá, Y. Hussain, F. Timouk, J. Garnier & M.P. Bonnet. 2017. Comparative Assessments of the Latest GPM Mission's Spatially Enhanced Satellite Rainfall Products over the Main Bolivian Watersheds. Remote Sensing 9(4): 369.
Schawe, M. 2005. Hypsometrischer Klima- und Bodenwandel in Bergregenwaldókosystemen Boliviens. Dissertation Doktorgrades, Universitát zu.Góttingen, 126 p.
Sorí, R., J. Marengo, R. Nieto, A. Drumond. & L. Gimeno. 2018. The Atmospheric Branch of the Hydrological Cycle over the Negro and Madeira River Basins in the Amazon Región. Water 10:738.
Vauchel, P. 2007. Derniers développements du logiciel Hydraccess, pp. 247—251. En: P. Gondard and M.D. Villamar (eds.), IRD: 30 ans en Equateur, Quito.
Zeng, N. 1999. Seasonal cycle and interanual variability in the Amazon hydrological cycle. Journal of Geophysical Research, 104(8): 9097-9106. [ Links ]
Zhang, X. & F. Yang. 2004. RClimDex (1.0) User Guide, Climate Research Branch Environment Canadá, Downsview, Ontario.