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.
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.













