SciELO - Scientific Electronic Library Online

 
vol.24 número2MODELACIÓN HIDROGEOLÓGICA DE LOS MUNICIPIOS DE TIQUIPAYA Y COLCAPIRHUA DEL VALLE CENTRAL DE COCHABAMBA BOLIVIA índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Investigación & Desarrollo

versión On-line ISSN 2518-4431

Inv. y Des. vol.24 no.2 Cochabamba  2024  Epub 31-Dic-2024

https://doi.org/10.23881/idupbo.024.2-10i 

ARTÍCULOS - INGENIERÍAS

ANÁLISIS DE LA VARIABILIDAD Y TENDENCIA CLIMÁTICA DE LAS ESTACIONES HIDROMETEOROLÓGICAS DEL RÍO ALTO PARAGUAY

ANALYSIS OF CLIMATIC VARIABILITY AND TREND OF THE HYDROMETEOROLOGICAL STATIONS OF THE ALTO PARAGUAY RIVER

Mauricio F. Villazón1  * 

Lucia Franco1 

1Laboratorio de Hidráulica. Universidad Mayor de San Simón.


RESUMEN

La cuenca del Alto Paraguay, tiene ecosistemas de gran importancia debido a su rica biodiversidad y su papel crucial en la regulación de los recursos hídricos en la región. Sin embargo, en los últimos años se ha observado un creciente interés en comprender los cambios que están afectando a esta zona. Aunque existen investigaciones previas sobre el cambio climático a nivel global, se ha reconocido la necesidad de realizar un análisis detallado de la variabilidad y tendencia climática específicamente en la cuenca del Alto Paraguay. La cuenca abarca una superficie aproximada de 600.000 km² entre Bolivia, Brasil y Paraguay. Este estudio analiza la variabilidad y tendencia climática de las estaciones hidrometeorológicas del Río Alto Paraguay, con el fin de proporcionar información fundamental para la toma de decisiones en la planificación, diseño y operación del Puerto Busch. De esa manera, garantizar su sostenibilidad y resiliencia frente a los desafíos climáticos presentes y futuros, utilizando el método de Perturbación de Cuantiles. Este método requiere dos series temporales: una de las series se toma como serie de referencia o línea base, mientras que la otra se selecciona como una subserie. Las subseries son subperiodos seleccionados de estas series temporales completas y representan los periodos de interés con una longitud 12 años en el presente estudio. Con la aplicación de este método se obtendrá las anomalías climáticas para cada estación analizada.

Los resultados sugirieron que existe una fuerte variabilidad temporal, donde se exploró la posible teleconexión con los patrones del Índice de Oscilación del Sur IOS en eventos de lluvia. Se encontraron patrones donde las estaciones están iniciando un ciclo de periodo seco.

Palabras Clave: Variabilidad climática; Índice de Oscilación del Sur; Anomalías; Tendencia climática; Río Alto Paraguay

ABSTRACT

The Alto Paraguay Basin has ecosystems of great importance due to its rich biodiversity and its crucial role in regulating water resources in the region. However, in recent years, there has been a growing interest in understanding the changes affecting this area. Although there is previous research on climate change at a global level, the need for a detailed analysis of climate variability and trends specifically in the Alto Paraguay Basin has been recognized, which covers an area of approximately 600,000 km² across Bolivia, Brazil, and Paraguay. This study analyzes the variability and climate trend of the hydrometeorological stations of the Alto Paraguay River, aiming to provide essential information for decision-making in the planning, design, and operation of the Puerto Busch, ensuring its sustainability and resilience in the face of current and future climate challenges, using the Quantile Perturbation method. This method requires two time series: one series is taken as a reference or baseline series, while the other is selected as a subseries. The subseries are subperiods selected from these complete time series and represent the periods of interest, with a length of 12 years in this study. The application of this method will provide the climatic anomalies for each station analyzed. The results suggested a strong temporal variability, where the possible teleconnection with the Southern Oscillation Index (SOI) patterns in rainfall events was explored. Patterns were found where the stations are entering a dry period cycle.

Keywords: Climate variability; Southern Oscillation Index; Anomalies; Climate trend; Upper Paraguay River

1. INTRODUCCIÓN

En medio de un escenario global que muestra señales ineludibles de transformación climática, el cambio climático se destaca como uno de los desafíos más críticos y urgentes de este tiempo. La elevación constante de las temperaturas, los patrones de precipitación impredecibles y la creciente frecuencia de eventos climáticos extremos son signos inequívocos de una realidad climática en rápida evolución. A medida que la comunidad científica y las sociedades de todo el mundo se esfuerzan por comprender y abordar esta compleja problemática, la investigación sobre la variabilidad climática y las tendencias en contextos regionales adquiere un papel de vital importancia [4].

Los cambios en los ciclos y tendencias se han convertido en una preocupación global debido a sus posibles efectos en los ecosistemas y en las actividades humanas. En el caso de la cuenca del Alto Paraguay, se han observado cambios en los patrones de precipitación, aumento de la temperatura y variaciones en la intensidad y frecuencia de eventos climáticos extremos, como sequías e inundaciones.

La construcción del Puerto Busch, un proyecto futuro que se plantea como el puerto más grande de Bolivia con salida al Atlántico, es de vital importancia para el desarrollo económico y comercial del país. Sin embargo, es fundamental abordar los desafíos relacionados con la variabilidad climática y los eventos extremos, como las sequías e inundaciones, que podrían afectar la viabilidad y operación del puerto.

Por tanto, resulta imprescindible llevar a cabo un estudio detallado sobre la variabilidad climática en la región del futuro Puerto Busch. Este análisis permitirá comprender mejor los patrones climáticos históricos y evaluar las tendencias climáticas a largo plazo. Además, proporcionará información esencial para identificar los ciclos y las tendencias del recurso hídrico que afecta en la navegación y las operaciones portuarias.

El objetivo de este estudio es analizar la variabilidad y tendencia climática de las estaciones hidrometeorológicas del Río Alto Paraguay, con el fin de proporcionar información para la toma de decisiones en la planificación y operación del Puerto Busch, y garantizar su sostenibilidad y resiliencia frente a los desafíos climáticos presentes y futuros, utilizando el método de Perturbación de Cuantiles.

2. METODOLOGÍA

Los datos hidrométricos utilizados son niveles de agua medidos a nivel diario y agregados a nivel mensual. En cuanto a los datos meteorológicos son datos de precipitación diaria, medidos y registrados en las distintas estaciones meteorológicas. Estos datos fueron descargados de las plataformas SENAMHI y ANA. En la Tabla 1 se puede ver las estaciones recopiladas.

TABLA 1 -  ESTACIONES HIDROMÉTRICAS Y METEOROLÓGICAS RECOPILADA INICIALMENTE 

N PAIS CODIGO ESTACION Longitud Latitud Tipo
1 BO 7145 Candelaria Sc -58,9833 -18,6333 Meteorológica
2 BO 7022 Puerto Suarez Aeropuerto -57,8192 -18,9789 Meteorológica
3 BO 7025 Quimome -61,1667 -16,6833 Meteorológica
4 BO 7026 Robore -59,7633 -18,3297 Meteorológica
5 BO 7068 San Francisco Sc -61,4167 -15,3333 Meteorológica
6 BO 7028 San Ignacio de Velasco -60,9619 -16,3817 Meteorológica
7 BO 7042 San José de Chiquitos Aerop -60,7442 -17,8322 Meteorológica
8 BO 7041 San Matías Aeropuerto -58,3992 -16,3317 Meteorológica
9 BO 7136 San Miguel -60,9500 -15,9833 Meteorológica
10 BO 7173 Santiago de Chiquitos -60,3333 -18,5000 Meteorológica
11 BR 1956004 CAMPO ALTO -56,0890 -19,0030 Meteorológica
12 BR 1857000 CORUMBA -56,3280 -17,9960 Meteorológica
13 BR 1560000 FAZENDA AREIAO -60,0320 -15,4000 Meteorológica
14 BR 1657004 FLECHAS -57,2580 -16,0390 Meteorológica
15 BR 2155001 NIOAQUE -55,8250 -21,1500 Meteorológica
16 BR 1956001 PARAISO -56,7120 -19,1730 Meteorológica
17 BR 1656002 POCONE -56,5440 -16,3150 Meteorológica
18 BR 1559000 PONTES E LACERDA -59,3540 -15,2160 Meteorológica
19 BR 1957006 PORTO ESPERANZA -57,4370 -19,6010 Meteorológica
20 BR 1556007 SANTA EDWIGES -56,1340 -15,6990 Meteorológica
21 BR 1755000 SANTO ANTONIO DO PARAISO -55,2320 -17,4920 Meteorológica
22 BR 1457001 TANGARA DA SERRA -57,4690 -14,6300 Meteorológica
23 BR 2057000 TARUMA -57,6480 -20,2910 Meteorológica
N PAIS CODIGO ESTACION Longitud Latitud Tipo
1 BO NVH Gonzalo -57,7814 -17,6700 Hidrometrica
2 BO NVH Mandiore -57,5058 -18,2003 Hidrometrica
3 BO NVH La Gaiba -57,7653 -17,7919 Hidrometrica
4 BO NVH Laguna Caceres -57,7939 -18,9594 Hidrometrica
5 BO NVH Base Naval Tamengo -57,7192 -18,9789 Hidrometrica
6 BO NVH Puerto Busch -58,0353 -20,0653 Hidrometrica
7 BR 66090000 DESCALZO -57,7489 -16,7328 Hidrometrica
8 BR 66126000 CERCA DE BELA VISTA DEL NORTE 2 -57,7906 -17,5181 Hidrometrica
9 BR 66130000 CERCA DE BELA VISTA DEL NORTE -57,7 -17,75 Hidrometrica
10 BR 66132000 REFUGIO DE LASTRES BOCAS -57,4333333 -17,8666667 Hidrometrica
11 BR 66710000 POUSADA TAIAMA -56,7747 -17,3656 Hidrometrica
12 BR 66750000 PORTO DO ALEGRE -56,965 -17,6233 Hidrometrica
13 BR 66800000 AFILADO -57,4886 -18,0386 Hidrometrica
14 BR 66805000 CERCA DEL AFILADO -57,4964 -18,0531 Hidrometrica
15 BR 66820000 CORUMBÁ -57,6517 -18,9947 Hidrometrica
16 BR 66880000 SAN GONZALO -55,9706 -18,2597 Hidrometrica
17 BR 66885000 PORTO ROLOM -56,1728 -18,3042 Hidrometrica
18 BR 66955000 PORTO ESPERANÇA 2 -57,4556 -19,6092 Hidrometrica
19 BR 66960000 PORTO ESPERANÇA 6 (EFNOB) -57,4503 -19,6081 Hidrometrica
20 BR 66960008 PORTO ESPERANÇA -57,4372 -19,6006 Hidrometrica
21 BR 66970000 COIMBRA FUERTE -57,7917 -19,9203 Hidrometrica
22 BR 67005000 BAHÍA NEGRA (ANNP) -58,1667 -20,2333 Hidrometrica
23 BR 67006000 BAIA NEGRO -58,1666667 -20,2294444 Hidrometrica
24 BR 67020000 TARUMÁ -57,6431 -20,29 Hidrometrica

Fuente: Elaboración propia.

Como instrumento de recopilación de datos se utilizó fichas de registro diario y mensual de los datos hidrometeorológicos. Para organizar y sistematizar los datos se utilizaron planillas electrónicas con aplicación de macros, con las cuales se realizaron cálculos estadísticos y gráficos. Tanto los datos hidrométricos como meteorológicos se codificaron y tabularon en orden cronológico, después se realizó el análisis según las variables de estudio y los objetivos.

En base a las series de tiempo originales, obtenidas a través de la recopilación de datos, se procede a hacer el relleno de las mismas considerando estaciones tanto del lado boliviano como del lado brasilero, antecediendo a esto, se hizo el rellenado de las series de tiempo de las estaciones brasileras entre sí mismas. De esta forma se obtienen las series temporales de forma completa y confiable de las estaciones hidrometeorológicas bolivianas, estas pueden verse en la Figura 1 y la Tabla 2.

Fuente: Elaboración propia.

Figura 1: Ubicación de estaciones hidrométricas (naranja) y meteorológicas rellenadas (verdes). 

TABLA 2 -  ESTACIONES HIDROMÉTRICAS Y METEOROLÓGICAS RELLENADAS A LAS QUE SE LE APLICÓ EL MÉTODO PERTURBACIÓN DE CUANTILES 

Pais Codigo Estación Latitud Longitud Tipo
BO 7022 Puerto Suarez Aeropuerto -18.97889 -57,81917 Met
BO 7028 San Ignacio De Velasco -16.38167 -60,96194 Met
BO 7042 San José de Chiquitos -17,83222 -60,74417 Met
BR 1457001 TANGARA DA SERRA -14,63 -57,469 Met
BR 1656002 POCONE -16,315 -56,544 Met
BR 1657004 FLECHAS -16,039 -57,258 Met
BR 1956004 CAMPO ALTO -19,003 -56,089 Met
BR 1957006 PORTO ESPERANZA -19,601 -57,437 Met
BR 2155001 NIOAQUE -21,15 -55,825 Met
BO NVH Gonzalo* -57.7814 -17,67 Hidro
BO NVH Mandiore* -57,5058 -18,2003 Hidro
BO NVH Laguna Caceres -57,7939 -18,9594 Hidro
BO NVH Base Naval Tamengo -57,7192 -18,9789 Hidro
BR 67006000 BAIA NEGRO -58,1667 -20,2294 Hidro
BR 66750000 PORTO DO ALEGRE -56,965 -17,6233 Hidro
BR 66800000 AFILADO -57.4886 -18,0386 Hidro
BR 66960008 PORTO ESPERANÇA -57,4372 -19,6006 Hidro
BR 66820000 LADARIO -57,6517 -18,9947 Hidro
BR 66970000 COIMBRA FUERTE -57,7917 -19,9203 Hidro

* Estación a la que su serie fue modificada.

Fuente: Elaboración propia.

Después de haber elaborado las series temporales completas de datos mensuales de precipitación y datos hidrométricos, se procederá a aplicar el método de perturbación de cuantiles para la obtención de gráficas de la anomalía climática.

Este método propuesto investiga los cambios históricos en los extremos clasificados, combinando aspectos de frecuencia utilizados en análisis de valores extremos, se analizan las oscilaciones y la variabilidad propia del sistema. La metodología y la teoría de este método están descritas a mayor profundidad en [6].

Estimación de los factores de perturbación:

  • Definición de series, generar subseries con una longitud de L años de la serie de referencia.

  • Clasificación de valores, extraer valores independientes de cada subserie y de la serie de referencia; en este estudio se consideran valores medios mensuales; estos valores se clasifican de mayor a menor valor, donde i es el orden de clasificación.

  • Calcular los períodos de retorno empíricos para cada valor clasificado como la relación entre la longitud de la subserie y el rango del valor extremo. Los pasos 1 a 3 se repiten para cada posible subserie. N es el número total de años de datos.

  • Definición de cuantiles, los valores anuales que corresponden a un periodo de retorno determinado de la línea base o del periodo de bloque se denotan como cuantiles.

  • Para cada cuantil, la relación factor de perturbación (FP) se calcula como el valor respectivo en la subserie en relación con el de la serie de referencia con el mismo período de retorno.

  • Finalmente, a partir del FP de todos los valores considerados (años en este estudio), se calcula un valor promedio para todos los cuantiles. Este FP promedio es una anomalía climática.

  • Estas anomalías se compararán con la función senoidal encontrada en [1]. Estos datos se utilizaron para delimitar los eventos fuertes de El Niño y La Niña.

3. RESULTADOS

Se aplicó el método de perturbación de cuantiles a cada una de las estaciones, en general, hay un comportamiento oscilatorio similar de las precipitaciones y niveles de agua con las anomalías climáticas en ENSO. Esto puede apreciarse en la Figura 2, no obstante, no se encuentran todas las anomalías calculadas, para mayor detalle puede revisarse en [3].

Fuente: Elaboración Propia.

Figura 2: Factores de perturbación en las series de precipitación. Columna izquierda arriba: Anomalía climática basada en datos, y comparación con la función senoidal alterada (IOS) Columna izquierda abajo: Aproximación senoidal desplazada a la anomalía climática basada en los datos de nivel medio. Columna derecha: Dispersión de evaluación de bondad de ajuste de la aproximación senoidal desplazada.  

En las estaciones Puerto Suárez, San Ignacio de Velazco, se ve una clara tendencia a una bajada en la actualidad (estamos en el ciclo de sequía), lo que conduce a condiciones secas en el ciclo entrante. Mientras tanto en las estaciones del lado brasilero como Campo Alto, Pocone y Porto Esperanza vemos que están en el ciclo alto o húmedo de la oscilación natural.

En cuanto a los datos de nivel de agua Figura 3, puede verse que los efectos del ENSO están altamente correlacionados temporal y espacialmente. Está claro que en este tiempo los niveles de las estaciones Base Naval Tamengo, Laguna Cáceres, Coimbra Fuerte, Porto Esperanza, Afilado, Porto do Alegre y Corumba (que es la estación con mayor data) están en una tendencia de bajada, lo que muestra que estamos entrando a condiciones secas.

Fuente: Elaboración Propia.

Figura 3: Factores de perturbación en las series de niveles de agua. Columna izquierda arriba: Anomalía climática basada en datos, y comparación con la función senoidal alterada (IOS) Columna izquierda abajo: Aproximación senoidal desplazada a la anomalía climática basada en los datos de nivel medio. Columna derecha: Dispersión de evaluación de bondad de ajuste de la aproximación senoidal desplazada  

Para cada estación se presenta en la Tabla 3, el desplazamiento en años que se hizo para ajustar de mejor manera las anomalías climáticas a la función senoidal producto de la variabilidad del IOS. Se puede ver que los desplazamientos no son iguales, sin embargo, se puede encontrar algunos patrones.

TABLA 3 -  CORRELACIONES PRODUCTO DEL AJUSTE DE LAS ANOMALÍAS A LA FUNCIÓN SENOIDAL ALTERADA EN BASE A LOS DATOS DE PRECIPITACIÓN 

Fuente: Elaboración propia.

4. CONCLUSIONES

Se analizó la variabilidad y tendencia climática de las estaciones hidrometeorológicas del Río Alto Paraguay utilizando el enfoque de perturbación de cuantiles, para analizar anomalías basadas en datos de precipitación y nivel. Los resultados sugieren que existe una fuerte variabilidad temporal, con los patrones de oscilación IOS en eventos de lluvia. El estudio mostró que las condiciones extremas del IOS influyen en el régimen de precipitaciones del área de estudio. Después de las fases bajas de la oscilación del IOS, parecen ocurrir condiciones secas en la cuenca del Alto Paraguay, reduciendo así los niveles de agua, sin embargo, las fases positivas de la oscilación IOS (eventos Niña), conducen a condiciones más húmedas lo que conlleva al aumento de los niveles de agua.

Con el resultado encontrado se puede concluir que las series de las estaciones de la cuenca Alto Paraguay presentan oscilaciones de periodos más húmedos y periodos más secos, la longitud de estas oscilaciones está entre 15 y 20 años.

Los resultados evidencian que, de las 9 estaciones meteorológicas y 10 estaciones hidrométricas, 5 de las meteorológicas presentan un periodo seco entrante, las estaciones del lado boliviano. De las estaciones hidrométricas vemos que todas están en un ciclo seco, analizando la estación con mayor data que es Ladario se puede ver que a pesar de que estamos en pleno ciclo seco aun no es tan extremo como el periodo de sequía vivido durante los años sesenta. Este análisis sirve como un gran indicador del comportamiento del ciclo u oscilación entrante.

El conocimiento sobre los cambios de fase entre la precipitación y las anomalías IOS se puede utilizar para una mejor planificación. Está claro que estas anomalías climáticas podrían afectar a las actividades socioeconómicas basadas en el uso del agua, como la navegación fluvial y las actividades portuarias.

El estudio muestra la importancia de tener más precisión y tener registros amplios, homogéneos y consistentes, y la necesidad de extenderse a más estaciones de las 9 estaciones meteorológicas y 10 consideradas en este estudio. Parece pertinente extender las investigaciones sobre la variabilidad y tendencia climática en otras cuencas cercanas a la cuenca del Alto Paraguay y así poder tener más apreciación sobre la variabilidad climática en esta zona.

REFERENCIAS

[1] A. G. Amaya, M. F. Villazon, and P. Willems, “Assessment of rainfall variability and its relationship to ENSO in a sub-Andean watershed in central Bolivia,” Water, vol. 10, no. 6, 2018, Art. no. 701. [Online]. Available: https://doi.org/10.3390/w10060701. [ Links ]

[2] Conferencia de las Naciones Unidas sobre Comercio y Desarrollo, “Adaptación al cambio climático de los puertos marítimos en apoyo de la Agenda 2030 para el Desarrollo Sostenible,” 2020. [Online]. Available: https://sustainabledevelopment.un.org/Global-Sustainable-Transport-Conference-2016. [ Links ]

[3] F. Lucia Franco, “Análisis de la variabilidad y tendencia climática de las estaciones hidrometeorológicas del Río Alto Paraguay,” 2023. [ Links ]

[4] IPCC, “Cambio climático 2013: La base de la ciencia física. Contribución del Grupo de Trabajo I al Quinto Informe de Evaluación del Panel Intergubernamental sobre Cambio Climático,” 2013. [ Links ]

[5] Ministerio de Medio Ambiente y Agua de Bolivia, “Segunda Comunicación Nacional del Estado Plurinacional de Bolivia ante la Convención Marco de Naciones Unidas sobre Cambio Climatico,” 2009. [Online]. Available: www.minagua.gov.bo/. [ Links ]

[6] V. Ntegeka and P. Willems, “Trends and multidecadal oscillations in rainfall extremes, based on a more than 100-year time series of 10 min rainfall intensities at Uccle, Belgium,” Water Resources Research, vol. 44, no. 7, 2008, Art. no. W074471. [Online]. Available: https://doi.org/10.1029/2007WR006471. [ Links ]

Recibido: 21 de Marzo de 2024; Aprobado: 08 de Mayo de 2024

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons