Vous êtes sur la page 1sur 74

CARACTERIZACIN Y ESCENARIOS

CLIMTICOS DE LA REGIN PIURA

Autor: SENAMHI-PER
Equipo:

Direccin de Meteorologa Aplicada:


Gabriela Rosas, Delia Acua, Gustavo De la Cruz, Edita Talledo, Alan Llacza, Gerardo Jcome.
Direccin de Climatologa:
Grinia valos, Carmen Reyes, Miguel Vara
Analista Climtica y Edicin:
Veronika Castro Asenjo
Especialista Analista SIG:
Silvia Guerra
Direccin General de Meteorologa
Servicio Nacional de Meteorologa e Hidrologa del Per SENAMHI
Ao: 2016
La presente publicacin forma parte del Proyecto Hacia un Desarrollo Bajo en Carbono y Resiliente al Cambio
climtico en las Regiones de Piura y Tumbes, coordinado por el Programa de las Naciones Unidas para el
Desarrollo (PNUD) e implementado en el Per para la Regin de Piura.

Programa de la Naciones Unidas para el Desarrollo (PNUD)


Av. Prez Aranibar 750, Magdalena del Mar, Lima.

Servicio Nacional de Meteorologa e Hidrologa del Per SENAMHI


Jr. Cahuide 785 Jess Mara
Telfonos: (51 1) 6141414 (central) y 6141408 (DMA)
www.senamhi.gob.pe
email: dcl@senamhi.gob.pe
email: dma@senamhi.gob.pe

El contenido de este documento puede ser reproducido mencionando la fuente o con autorizacin de los autores
y del SENAMHI.

CARACTERIZACIN Y ESCENARIOS CLIMTICOS DE LA


REGIN PIURA
PARA EL PROYECTO: HACIA UN DESARROLLO BAJO EN CARBONO Y RESILIENTE
AL CAMBIO CLIMTICO EN LAS REGIONES DE PIURA Y TUMBES

Ministro del Ambiente - MINAM


Manuel Pulgar Vidal Otlora
Viceministro de Desarrollo Estratgico de los Recursos Naturales
Gabriel Quijandra Acosta
Director General de Cambio Climtico, Desertificacin y Recursos Hdricos
Eduardo Durand Lpez-Hurtado

Servicio Nacional de Meteorologa e Hidrologa del Per SENAMHI


Presidente Ejecutiva del SENAMHI
Amelia Daz Pabl
Director Cientfico
Esequiel Villegas Paredes
Director General de Meteorologa
Luis Alfaro Lozano
Directora de Meteorologa Aplicada
Gabriela Rosas Benancio
Directora de Climatologa
Grinia Avalos Roldn

CONTENIDO
CONTENIDO .............................................................................................................................. 4
PRESENTACIN ......................................................................................................................... 1
INTRODUCCIN ....................................................................................................................... 2
1.1 Objetivos .................................................................................................................... 3
1.2 Marco Terico ........................................................................................................... 3
1.2.1

Gases de Efecto Invernadero (GEI) ................................................................ 3

1.2.2

Modelos Climticos ........................................................................................... 3

1.2.3

Escenarios de emisin (GEI) ............................................................................. 4

1.2.4

Weather Research and Forecasting (WRF) ................................................... 5

1.2.5

AMICAF ............................................................................................................... 5

1.2.6

Incertidumbre de los Escenarios Climticos .................................................. 5

1.3 rea de estudio ........................................................................................................ 6


1.3.1

Clasificacin Climtica .................................................................................... 6

1.4 Temperatura superficial del mar ............................................................................ 8


1.5 Actividad Econmica de Piura .............................................................................. 9
1.6 Poblacin y Crecimiento Demogrfico ................................................................ 9
METODOLOGA ...................................................................................................................... 10
2.1 Diagnstico Climtico de la regin Piura ........................................................... 10
2.1.1

Caracterizacin Climtica............................................................................. 10

2.1.2

Tendencias climticas .................................................................................... 13

2.2 Escenarios de Cambio Climtico......................................................................... 17


2.2.1

El Modelo HadGEM2-ES .................................................................................. 17

2.2.2

Regionalizacin Dinmica ............................................................................. 18

2.2.3

Regionalizacin Estadstica............................................................................ 18

2.2.4

Evaluacin de Incertidumbres ...................................................................... 19

CARACTERIZACIN CLIMTICA .......................................................................................... 21


3.1 Caracterizacin Climtica de la Precipitacin en Piura ................................. 21
3.1.1

Distribucin Temporal de la precipitacin ................................................. 21

3.1.2

Distribucin Espacial de la precipitacin .................................................... 22

3.2 Caracterizacin Climtica de la Temperatura Mxima en Piura ................... 26


3.2.1

Distribucin Temporal de la Temperatura Mxima ................................... 26

3.2.2

Distribucin Espacial de la Temperatura Mxima ...................................... 27

3.3 Caracterizacin Climtica de la Temperatura Mnima en Piura .................... 30


3.3.1

Distribucin Temporal de la Temperatura Mnima .................................... 30

3.3.2

Distribucin Espacial de la Temperatura Mnima ....................................... 31

3.4 Tendencias Climticas ........................................................................................... 34


3.4.1

Tendencias observadas de Precipitacin ................................................... 34

3.4.2

Tendencias observadas de la Temperatura Mxima ................................ 37

3.4.3

Tendencias observadas de la Temperatura Mnima ................................. 39

3.5 Tendencias de ndices de Extremos Climticos ................................................. 41


3.5.1

ndices de Extremos Climticos de la Precipitacin .................................. 42

3.5.2

ndices de Extremos Climticos de la Temperatura ................................... 44

ESCENARIOS CLIMTICOS REGIONALES ............................................................................. 47


4.1 Proyecciones del Clima en la regin de Piura ................................................... 47
4.1.1

Proyecciones de la precipitacin................................................................. 48

4.1.2

Proyecciones de la temperatura mxima .................................................. 50

4.1.3

Proyecciones de la Temperatura Mnima ................................................... 51

4.2 Incertidumbres ........................................................................................................ 53


4.2.1

Cambios en la precipitacin a nivel anual ................................................. 54

4.2.2

Cambios en la temperatura mxima a nivel anual ................................... 55

4.2.3

Cambios en la temperatura mnima a nivel anual .................................... 56

CONCLUSIONES ..................................................................................................................... 57
BIBLIOGRAFA ......................................................................................................................... 59
ANEXOS ................................................................................................................................... 62
MAPAS ..................................................................................................................................... 69

PRESENTACIN
Durante las ltimas dcadas el sistema climtico viene sufriendo alteraciones cada vez
ms recurrentes. El Quinto Informe con las Contribuciones del Grupo de Trabajo I sobre
las Bases Fsicas del Cambio Climtico (IPCC, 2013), precisa con certeza que se est
produciendo un calentamiento global del planeta y que, desde 1950, los cambios
observados no tienen precedente; la evidencia de la influencia humana en el
calentamiento global, los cambios en el rgimen de lluvias, el retroceso y/o desaparicin
de los glaciares (grandes reservas de agua dulce), el incremento del nivel del mar, el
incremento de los caudales, los cambios en los patrones de los eventos meteorolgicos y
la concentracin de gases invernadero, han aumentado desde la publicacin del cuarto
Informe, en el 2007, generando un impacto significativo en los
sectores
socioeconmicos, en las actividades y en el bienestar de la poblacin.
Por lo anteriormente descrito se ha incrementado la participacin de los servicios
meteorolgicos en los diferentes sectores socioeconmicos con la mayor prestacin de
servicios climticos y desarrollo de aplicaciones meteorolgicas, tal como se reconoci en
la Tercera Conferencia Mundial del Clima (Ginebra, 2009).
En este contexto y en el marco del Proyecto Hacia un desarrollo bajo en carbono y
resiliente al cambio climtico en las regiones de Piura y Tumbes el Servicio Nacional de
Meteorologa e Hidrologa del Per SENAMHI elabora el estudio sobre Caracterizacin
y Escenarios Climticos para la regin Piura, la cual es un valioso e indispensable aporte
que apoyar el desarrollo de la regin a travs de su enfoque multisectorial y
multidisciplinario que permitir plantear acciones para la identificacin de riesgos y
oportunidades relacionados con el cambio climtico a nivel regional, integrndolos en la
planificacin del desarrollo regional e incrementar la resiliencia a los impactos del cambio
climtico y reducir la huella de carbono en la regin.

CAPTULO I

INTRODUCCIN
Segn el IPCC (2013) la temperatura del aire global de la Tierra est en tendencia creciente desde hace
varias dcadas. Desde comienzos de siglo XX la temperatura media global se ha incrementado en
0,85 C, y la ltima decena de aos es considerada como las ms clidas de los ltimos 132 aos, sin
embargo, estos valores globales difcilmente explican los cambios del clima a una escala regional y
local. Y es que diversas investigaciones hacen referencia de evidencias inequvocas de procesos de
cambios en el clima, unos ms acelerados y evidentes que otros, causando problemas crticos como
escasez de agua, degradacin de los suelos, prdida de biodiversidad, etc. (SENAMHI, 2013).
Para el IPCC (2013), el calentamiento en el sistema climtico es real, debido principalmente a las
emisiones provenientes del uso de combustibles fusiles y del cambio de uso de suelo. Las proyecciones
hacia finales del siglo XXI hablan de incrementos de los niveles de CO2 en la atmosfera superiores a
930 ppm, lo cual podra elevar la temperatura global hasta valores de 4C.
Surge entonces la necesidad de fortalecer la capacidad de respuesta de la poblacin de manera
organizada frente a los impactos del cambio climtico, estableciendo acciones a nivel regional y local,
para lo cual es necesario disear estrategias de adaptacin que se constituyan en instrumentos de
gestin para enfrentar cambios del clima, expresados en una mayor variabilidad y de impactos
diferenciados dada la gran diversidad topoclimtica de nuestro territorio.
El punto de partida en este proceso es la identificacin de la caracterizacin climtica, la cual es una
herramienta informativa de la variabilidad del clima tanto en el tiempo como en el espacio y cumple
un rol fundamental en el desarrollo socio-econmico de las regiones geogrficas a las que se refiere.
La Organizacin Meteorolgica Mundial (OMM) ha establecido normativas para la elaboracin y
publicacin de estudios de la Caracterizacin Climtica y a su vez recomienda la elaboracin de estos
productos a nivel regional, a fin de que puedan responder a necesidades particulares de una regin de
inters y de un gran nmero de usuarios. Las normales climticas empleadas en la elaboracin de los
mapas temticos de la Caracterizacin Climtica corresponden al promedio de 30 aos (segn las
recomendaciones de la OMM). Asimismo, con las series de datos ms extensas se determinaran las
tendencias climticas para la temperatura y precipitacin as como los ndices de eventos extremos.
Posteriormente, sobre la lnea de base climtica se generan los escenarios futuros del clima para la
regin Piura, herramienta estratgica para determinar los potenciales impactos socioeconmicos en
la regin base para la planificacin adecuada por parte de los tomadores de decisin regional.
El SENAMHI es la entidad ejecutora de las actividades relacionadas con el estudio de los escenarios
climticos a nivel regional y en razn de sus funciones inherentes como rgano adscrito del Ministerio
del Ambiente, su experiencia y conocimiento en la generacin y suministro de informacin cientfica
relacionada a la lnea de base climtica, as como las estimaciones cuantitativas de los cambios
esperados en el clima en todo el territorio nacional, las cuales sirven de referencia para elaborar
estudios integrados de impacto y vulnerabilidad, as como para valorar las necesidades de adaptacin
planificada al cambio climtico en diversos sectores y sistemas socioeconmicos. Esta publicacin
brinda informacin relevante sobre el clima actual y futuro de la Regin Piura.

1.1 OBJETIVOS
Caracterizar climticamente la temperatura y precipitacin de la regin Piura.
Evaluar las tendencias actuales de la temperatura, precipitacin y sus extremos
climticos en Piura.
Generar los escenarios climticos regionales de temperatura y precipitacin
centrado al 2030.

1.2 MARCO TERICO


La naturaleza del clima ha hecho que siempre ocurran procesos en la atmsfera desde etapas
clidas a fras y viceversa, tanto en periodos largos como cortos. Sin embargo, en las ltimas
dcadas estos procesos han sufrido variaciones que han acelerado su ocurrencia e intensidad de
manera anmala y que podran deber su origen a procesos antropognicos. En los ltimos
reportes del IPCC se confirma la relacin directa entre el calentamiento global (principal causante
del cambio climtico) y el aumento de las emisiones de gases de efecto invernadero (GEI).
1.2.1 Gases de Efecto Invernadero (GEI)
Reconocidos cientficos comparten una misma conclusin con respecto al incremento de la
concentracin de los Gases de Efecto Invernadero indicando que stos estn provocando
alteraciones en el clima, y se volvieron intensas con el apogeo de la Revolucin Industrial. Los
principales gases emitidos son el dixido de carbono (CO2), metano (CH4), xido nitroso (N2O) y
halocarbonos.
1.2.2 Modelos Climticos
Un modelo climtico es una representacin matemtica no lineal de los procesos que tiene lugar
en el sistema climtico, cuyas interacciones determinan el clima. Este sistema se compone por:
atmsfera, crisfera, hidrsfera, litsfera y bisfera (Peixoto and Oort, 1922). En la actualidad la
mayora de modelos climticos globales incluyen alguna representacin de las cinco
componentes del sistema climtico y la interaccin entre los mismos.
Los modelos resuelven ecuaciones y dividen el rea a analizar, en celdas, incluyendo las
interacciones que ocurren en stas y las celdas vecinas; la precisin del modelo difiere del tamao
de la celda; mientras ms pequea la celda, mayor precisin tendr el modelo, pero ms difcil y
dilatado el clculo Principalmente toman en cuenta a la atmsfera y ocano debido al fuerte
acoplamiento de stos sistemas, reciben por nombre, segn sus siglas en ingls, AOGCM
(modelos climticos globales acoplados atmsfera-ocano).
Los AOGCM trabajan ecuaciones matemticas en un complejo sistema no-lineal, con ecuaciones
diferenciales. Las simulaciones de clima actual con AOGCMs se llevan a cabo considerando la
evolucin de valores observados de concentraciones atmosfricas de GEIs. Aunque los resultados
de proyecciones de clima obtenidos con diversos AOGCM son fiables a escala global, cuando se
consideran escalas regionales (10-100 km) las distribuciones de temperatura y, sobre todo, de
precipitacin muestran notables discrepancias con los datos observados.
Por tanto para estudios locales y regionales de cambio climtico es necesario realizar la
regionalizacin a fin de obtener ms detalle de los posibles cambios futuros del clima sobre un
dominio espacial de inters.
En la Figura N1 se puede apreciar el proceso que se sigue para realizar una regionalizacin tanto
estadstica como dinmica.
3

Figura N1: Esquema de las metodologas de regionalizacin aplicadas a los escenarios globales
de Cambio Climtico. Fuente: Gaertner et al.2001.

1.2.3 Escenarios de emisin (GEI)


Los nuevos escenarios de emisin conocidos como rutas o vas de concentracin representativas
(RCP, por sus siglas en ingls), que se caracterizan por el clculo aproximado que hace del
forzamiento radiactivo total para el ao 2100 en relacin con 1850, el cual va de 2,6 W/m 2 a 8,5
W/m2.RCP8.5, fue desarrollado por el IIASA (International Institute for Applies Systems Analysis)
de Austria. Representa la combinacin de suposiciones de un alto crecimiento poblacional, un
bajo crecimiento de PBI y modestas tasas de cambios tecnolgicos y de eficiencia de energa,
llevando a grandes demandas energticas y el incremento de gases de efecto invernadero (Riahi
et al, 2011).
Los nuevos escenarios de emisin contemplan los efectos de las polticas orientadas a limitar el
cambio climtico del siglo XXI. Las motivaciones principales para el desarrollo de estos nuevos
RCPs, por el lado de los tomadores de decisin, es que los escenarios exploren el impacto de
diferentes polticas climticas (esquemas de mitigacin) en adicin a los tradicionales escenarios
que no analizan polticas sobre el clima, es decir, analizar el impacto de diferentes polticas
climticas que permitan evaluar el costo-beneficio de las metas climticas a largo plazo y
finalmente la necesidad de explorar la adaptacin a ms detalle (Moss et al. 2010).
En la Figura 2 se observa que las proyecciones de la concentracin del CO2 con el escenario de
emisin RCP2.6 tienden a regularse en el tiempo, por el contrario utilizando el escenario RCP8.5
para las prximas dcadas tienden a ser muy elevada en concentracin. Si consideramos el
escenario ms pesimista (RCP8.5) los cambios que se tendrn en todas las regiones del globo,
incluirn cambios en la tierra y ocano, en el ciclo hidrolgico, el nivel del mar, la crisfera,
algunos episodios extremos y la acidez de los ocanos, los cuales persistirn durante muchos
siglos y es probable que ya no sea reversible.
Si se compara con los anteriores escenarios de familias A1, A2, B1 y B2 (AR4, 2007) estos muestran
en magnitud de cambios en el clima similares a los RCPs, a excepcin del RCP2.6.

Figura N2: Rutas de Concentracin de CO2 equivalente a nivel global para distintos escenarios
de emisin. Fuente: Fundacin Biodiversidad, Oficina Espaola de Cambio Climtico, Agencia
Estatal de Meteorologa, Centro Nacional de Educacin Ambiental.

1.2.4 Weather Research and Forecasting (WRF)


El modelo Weather Research and Forecasting (WRF) es un sistema numrico de mesoescala de
nueva generacin de pronstico de las condiciones atmosfricas diseado tanto para cubrir
necesidades de pronsticos operativos y de investigacin atmosfrica. Cuenta con mltiples
ncleos dinmicos, un sistema de asimilacin de datos 3-dimensional variacional (3DVAR), y una
arquitectura de software que permite paralelismo computacional y extensibilidad del sistema. El
WRF est adecuado para un amplio espectro de aplicaciones a travs de escalas que se extienden
desde el orden de metros a cientos de kilmetros.
1.2.5 AMICAF
AMICAF es un proyecto implementado por la FAO: Evaluacin de los impactos del cambio
climtico y mapeo de la vulnerabilidad a la inseguridad alimentaria bajo el cambio climtico para
reforzar la seguridad alimentaria familiar con enfoque de adaptacin de los medios de
subsistencia- AMICAF (por sus siglas en ingls) con la finalidad de apoyar a los pases en
desarrollo a abordar la evaluacin y adaptacin al cambio climtico. Debido a que los modelos de
circulacin general (MCG) son la principal herramienta para la prospeccin del clima de las
prximas dcadas y la resolucin de estos modelos es limitada, se debe recurrir a la
regionalizacin para poder estudiar mejor los impactos del cambio climtico a escala regional. Por
ello, en el presente estudio se realiza la regionalizacin estadstica del modelo global HadGEM2ES
1.2.6 Incertidumbre de los Escenarios Climticos
La incertidumbre es un estado de conocimiento incompleto que puede resultar de una falta de
informacin o de un desacuerdo sobre lo que es conocido o incluso no conocible, puede ser
representada por medidas cuantificadas o por enunciados cualitativos (Moss, 2010).
Las evaluaciones y proyecciones regionales de cambio climtico se caracterizan por la presencia
de distintas fuentes de incertidumbres que afectan a todos los procesos en su generacin, desde
el establecimiento de los escenarios de emisin (RCPs), hasta los modelos globales e incluso en la
simulacin a escala regional o regionalizacin, donde es necesario el forzamiento global desde un
modelo global numrico o AOGCM.

1.3 REA DE ESTUDIO


Geogrficamente la Regin Piura se localiza al noroeste del Per, limita por el norte con Tumbes
y el Ecuador, con Lambayeque por el sur, con Cajamarca por el este y con el Ocano Pacfico por
el oeste. Posee una superficie: 35892.490 Km2. Frente a las costas del departamento se
encuentran La Isla Foca frente a la Provincia de Paita y la Isla G frente a la Provincia de Sechura,
estas islas en conjunto poseen una superficie de 1.32 Km2.
El relieve del suelo es heterogneo, notndose en la planicie costera el predominio de la
formacin desrtica sobre tablazos y pampas. La franja costera es la ms ancha del Per y alcanza
200 km. desde el mar hasta los contrafuertes de la Cordillera Occidental de los Andes. En esta
regin se ubica Sechura la llanura desrtica ms extensa del Per y Amrica: ubicada al sur del
ro Piura y en l se localiza la depresin de Bayvar, que es el rea ms baja del territorio peruano
con 37 m.s.n.m. Las formas morfolgicas ms comunes en la costa, son las quebradas secas que
funcionan en forma violenta cuando se producen lluvias intensas. Estas quebradas al norte de la
regin son profundas, al centro y sur son de gran amplitud y menos profundas.
La sierra piurana est formada por la cordillera de Huancabamba de poca elevacin con sus
estribaciones andinas que forman cadenas de montaas de flancos abruptos, el amplio valle
interandino de Huancabamba orientado de norte a sur y muchas quebradas. En consecuencia las
principales elevaciones que presenta la regin son el Cerro Negro (3967 msnm), Cerro Viejo (3934
msnm), Cerro San Juan Canchiaco (3900 msnm), Cerro Pan de Azcar (3767 msnm) y Cerro La
Viuda (3710 msnm), Ver Mapa N 1.

1.3.1 Clasificacin Climtica


De acuerdo a la clasificacin climtica por el mtodo de Thornthwaite (SENAMHI 1988), el clima
de la regin Piura es desrtico y semi-desrtico en la costa y vertientes andinas occidentales,
Subtropical en las vertientes orientales. Las precipitaciones son escasas, salvo cuando se produce
el fenmeno de El Nio, aos en que las lluvias son abundantes y corre el agua por todo el curso
de las quebradas secas originando inundaciones y acciones morfolgicas de gran dinamismo o en
las zonas altas donde el clima es lluvioso, semifro, con deficiencias de lluvias en otoo e invierno.
La variedad y fusin climtica otorgan caractersticas nicas a esta regin, esto debido
principalmente al choque de dos corrientes, la corriente fra de Humboldt con temperaturas de
13C a 19C y la corriente clida de El Nio de 22C a 27C. Estas corrientes chocan a la altura de
la baha de Sechura al sur de la ciudad de Piura y otorgan a la regin una caracterstica nica en
Sudamrica, mitad desierto y mitad trpico.
La temperatura promedio anual es de 24C; en el verano supera los 35C, pudiendo llegar hasta
40C cuando se presenta el Fenmeno El Nio extraordinario. La poca de lluvias intensas se da
entre diciembre y mayo. En las zonas andinas, el clima presenta noches fras y maanas
templadas. (Ver Grfico N1).

Mapa 1. Regin Piura, provincias y relieve asociado.

Grfico N1: Clasificacin Climtica de Piura.

1.4 TEMPERATURA SUPERFICIAL DEL MAR


La temperatura superficial del mar (TSM) es una de las variables fsicas que mejor indica la
variacin temporal del ciclo El Nio y la Oscilacin del Sur (ENOS), por lo cual es ampliamente
usada para estudiar la variabilidad a diferentes escalas de tiempo en el Ocano Pacfico (Purca et
al. 2005).

1.5 ACTIVIDAD ECONMICA DE PIURA


La regin Piura aporta el 4.2% del valor agregado bruto nacional, aunque su aporte a algunos
sectores econmicos es mucho mayor en trminos proporcionales: 43.7% de la pesca, 5.5% de la
agricultura y 6.8% de la manufactura. Otro aspecto donde Piura destaca es en la gravitacin
poblacional, pues con sus 1.7 millones de habitantes es la segunda regin con mayor nmero de
habitantes, al albergar el 6.1% de la poblacin total del pas.
La principal actividad econmica de Piura es la manufactura, que representa el 20.7% del valor
agregado bruto regional. Esto se debe a la refinacin de petrleo, al procesamiento pesquero y
al procesamiento de la creciente produccin frutcola y de biocombustibles. Otras actividades
importantes son el comercio (17.2%), los servicios (15.9%) y la agricultura, la caza y la silvicultura
(9.9% en conjunto).

1.6 POBLACIN Y CRECIMIENTO DEMOGRFICO


Segn las proyecciones poblacionales del INEI al 2015, Piura presenta una poblacin aproximada
de 1 884 129 habitantes, lo que representa el 16.5% de la poblacin nacional.
Per, Departamento
y Provincia de Piura
Per
Piura
Ayabaca
Huancabamba
Morropn
Paita
Sullana
Talara
Sechura

Superficie
( Km2)

Poblacin Estimada

1286966.661
6211
5231
4254
3818
1784
5424
2799
6370

31151643
765601
140757
126683
155895
129904
317443
132695
75151

Densidad
Poblacional Hab/
Km2
24.205
24.21
123.27
26.91
29.78
40.83
72.82
58.53
47.41

Fuente: Instituto Nacional de Estadstica e Informtica (INEI). 1/Incluye: 4, 996.28 Km2 que
corresponde al lado peruano del Lago Titicaca.

CAPTULO II

METODOLOGA

2.1 DIAGNSTICO CLIMTICO DE LA REGIN PIURA


2.1.1 Caracterizacin Climtica
Del departamento de Piura se tiene registro de informacin meteorolgica desde el ao 1944, pero
no todas las estaciones han mantenido su continuidad, es por esto que se seleccion el periodo 1971
-2000 dado que ofreca una mayor cobertura, adems de ser el periodo sugerido por la Comisin de
Climatologa de la Organizacin Mundial de Meteorologa (OMM-CCI/MG/Doc.10). Se presentan
mapas de la distribucin espacial de la precipitacin promedio y la temperatura mxima y mnima para
el periodo base 1971-2000.
El nombre, ubicacin de las estaciones seleccionadas a nivel nacional se presentan en el Cuadro N1.

Estacin

Sist_Hid

Cuenca

ALAMOR

PACIFICO

CHIRA

AYABACA

PACIFICO

CHIRA

BERNAL

PACIFICO

CHALACO

Dto

Prov.

Distrito

PIURA

SULLANA

PIURA

AYABACA

PIURA

PIURA

PACIFICO

PIURA

CHULUCANAS

PACIFICO

CHUSIS

Alt.
(msnm
)

Lat.

Long.

LANCONES

04 28'48

80 23'56

13 3

AYABACA

04 38'38

79 43'43

2830

SECHURA

BERNAL

05 29'29

80 45'45

PIURA

MORROPON

CHALACO

05 02'2

79 49'48

1791

PIURA

PIURA

MORROPON

CHULUCANAS

05 06'6

80 10'10

87

PACIFICO

PIURA

PIURA

SECHURA

SECHURA

05 31'31

80 50'50

EL ALTO

PACIFICO

INTERCUENCA
DEL PACIFICO

PIURA

TALARA

EL ALTO

04 16'16

81 13'13

252

HACIENDA
BIGOTE

PACIFICO

PIURA

PIURA

MORROPON

SALITRAL

05 20'20

79 47'47

827

HACIENDA SHUMAYA

MARAON

CHAMAYA

PIURA

HUANCABAMBA

SONDOR

05 22'22

79 21'21

2050

10

HUANCABAMBA

MARAON

CHAMAYA

PIURA

HUANCABAMBA

HUANCABAMBA

05 15'1

79 33'1

3177

11

HUARMACA

MARAON

CHAMAYA

PIURA

HUANCABAMBA

HUARMACA

05 33'53.1

79 31'11

2244

12

LA ESPERANZA

PACIFICO

CHIRA

PIURA

PAITA

COLAN

04 55'55

81 04'4

13

LANCONES

PACIFICO

CHIRA

PIURA

SULLANA

LANCONES

04 34'34

80 29'29

123

14

MALACASI

PACIFICO

PIURA

PIURA

MORROPON

SALITRAL

05 19'1

79 53'1

240

15

MALLARES

PACIFICO

CHIRA

PIURA

SULLANA

MARCAVELICA

04 51'51

80 44'44

29

16

MIRAFLORES

PACIFICO

PIURA

PIURA

PIURA

CASTILLA

05 10'10

80 35'34

40

17

MORROPON

PACIFICO

PIURA

PIURA

MORROPON

MORROPON

05 11'1

79 59'1

109

18

PACAYPAMPA

PACIFICO

CHIRA

PIURA

AYABACA

PACAIPAMPA

04 59'1

79 40'1

2315

19

PANANGA

PACIFICO

INTERCUENCA
DEL PACIFICO

PIURA

SULLANA

MARCAVELICA

04 33'33

80 53'53

500

20

PARTIDOR

PACIFICO

CHIRA

PIURA

PIURA

LAS LOMAS

04 38'38

80 15'15

250

10

21

PORCULLA

MARAON

CENEPA

PIURA

HUANCABAMBA

HUARMACA

05 50'50

79 30'30

1971

22

SALALA

MARAON

CHAMAYA

PIURA

HUANCABAMBA

EL CARMEN DE LA
FRONTERA

05 06'6

79 27'27

2800

23

SAN MIGUEL

PACIFICO

PIURA

PIURA

PIURA

CATACAOS

05 18'14

80 40'55

20

24

SAN PEDRO

PACIFICO

PIURA

PIURA

MORROPON

CHULUCANAS

05 05'5

80 02'2

309

25

SANTO DOMINGO

PACIFICO

PIURA

PIURA

MORROPON

SANTO DOMINGO

05 02'1

79 53'1

1475

26

SAPILLICA

PACIFICO

CHIRA

PIURA

AYABACA

SAPILLICA

04 47'47

79 59'59

1406

27

SAUSAL DE CULUCAN

PACIFICO

CHIRA

PIURA

AYABACA

LAGUNAS

04 45'45

79 46'46

1015

28

SONDORILLO

MARAON

CHAMAYA

PIURA

HUANCABAMBA

SONDOR

05 20'20

79 24'24

1900

29

TABACONAS

MARAON

CHINCHIPE

CAJAMARCA

SAN IGNACIO

TABACONAS

05 19'19

79 17'17

1801

30

TULUCE

MARAON

CHAMAYA

PIURA

HUANCABAMBA

SONDOR

05 29'29

79 22'22

1920

79 24'16

3300

31

CUEVA BLANCA

MARAON

CHAMAYA

LAMBAYEQUE

FERREAFE

INCAHUASI

06
07'52.68

32

VIRREY

PACIFICO

CASCAJAL

LAMBAYEQUE

LAMBAYEQUE

OLMOS

05 34'51

79 58'2

264

33

EL LIMON

MARAON

CHAMAYA

CAJAMARCA

JAEN

POMAHUACA

05 55'55

79 19'19

1255

34

SALLIQUE

MARAON

CHAMAYA

CAJAMARCA

JAEN

SALLIQUE

05 39'1

79 19'1

1750

35

SAN IGNACIO

MARAON

CHINCHIPE

CAJAMARCA

SAN IGNACIO

SAN IGNACIO

05 08'43

78 59'49

740

Cuadro 1. Ubicacin de Estaciones Meteorolgicas y Pluviomtricas.

La elaboracin de mapas temticos mediante mtodos de interpolacin ha generado una cantidad


notable de bibliografa especfica. El planteamiento es simple: a partir de un conjunto de datos
puntuales (estaciones meteorolgicas) localizadas en un espacio geogrfico, deben estimarse los
valores correspondientes a otros lugares incluidos en un dominio espacial determinado.
El problema, por tanto, puede resolverse mediante un mtodo de interpolacin adecuado. Sin
embargo, las dificultades son importantes debido a la naturaleza de los datos. Frecuentemente, las
series son heterogneas en calidad y longitud, su distribucin espacial no es idnea y las propias
variables suelen mostrar una variabilidad temporal muy notable. Asimismo, la influencia del relieve
suele introducir variaciones difcilmente replicables, especialmente porque las estaciones
meteorolgicas son menos densas en zonas alto andinas y/o desrticas.

Por estos motivos, debe considerarse que los mapas climticos representan los patrones espaciales de
distribucin de las variables y deben ser interpretados sin perder de vista que la resolucin espacial es
frecuentemente de decenas de km.

El mejor mtodo de interpolacin climtica sigue siendo objeto de controversia, claro que este mtodo
universal no existe sino que, en funcin de las caractersticas territoriales y de los datos disponibles,
unos pueden funcionar mejor que otros en diferentes lugares y circunstancias.

En el caso concreto de los mapas temticos para la regin Piura se hicieron pruebas con los mtodos
Inverse Distance Weighted (IDW) y Spline que son dos modelos basados en mtodos de interpolacin
determinista ya que se fundamentan en muestreos del rea de estudio con frmulas matemticas que
determinan la forma de la superficie resultante. As tambin, se realiz pruebas con modelos basados
en mtodos geoestadsticos (como el Kriging) que utilizan fundamentos estadsticos que incluyen auto
11

correlaciones. Es decir, son modelos que no solo predicen superficies de interpolacin, sino que
tambin indican el grado de exactitud y error de la prediccin. Kriging es similar a IDW, en cuanto a
que pondera muestras del entorno, para extraer predicciones de zonas prximas. La frmula general
para ambas interpolaciones se basa en la suma ponderada de todos los datos.
(So) = i Z(Si)
(1)
En el IDW el peso solo depende de la distancia a los puntos de muestreo, mientras que en el Kriging
los pesos no solo se basan en las distancias, sino tambin en las relaciones espaciales entre las
muestras y sus valores. (lvarez et al. 2011).
Finalmente, se realizaron pruebas con el mtodo de interpolacin por regresin lineal mltiple, este
mtodo probado fue propuesto por Pons (1996) y Ninyerola et al. (2000), basado en tcnicas de
regresin lineal mltiple para la interpolacin espacial de los datos proveniente de las estaciones
meteorolgicas.
Lo resaltante de este mtodo es que al final los mapas resultantes son corregidos utilizando los
residuales, producto de la regresin lineal mltiple (Quevedo et al. 2009).

i =o + 1 xi1 + 2 xi2 + P xiP +ei,


Para i =1,2,,n

(2)

Las pruebas realizadas muestran resultados ms cercanos con el mtodo de regresin lineal, en el caso
de la temperatura las isotermas a corregir fueron mnimas, en tanto que, para la precipitacin
igualmente este fue el mtodo ms cercano en comparacin a los otros mtodos pero se tuvieron que
realizar algunos ajustes.

En el Mapa N2 se puede observar la ubicacin de la red de estaciones en la regin Piura.

12

Mapa N2. Ubicacin de la Red de Estaciones Meteorolgicas y Pluviomtricas.

2.1.2

Tendencias climticas

Las tendencias climticas se estiman a fin de conocer de qu manera estn comportndose las
variables climticas en el tiempo y con ello determinar si existe un progresivo cambio que se establece
sobre records de informacin lo ms extensos posibles.

2.1.2.1

Tendencias Climticas observadas de precipitacin y temperatura

Para determinar las tendencias anuales y estacionales de la precipitacin y temperaturas extremas


(mxima y mnima) en la regin Piura y sus niveles de significancia estadstica durante el periodo 19642013. Estas tendencias se calculan mediante el test de Mann-Kendall (Kendall, 1975) y para obtener la
pendiente o la magnitud de la inclinacin, se utiliz la metodologa desarrollado por Sen (1968). Estas
tendencias y sus significancias se calculan mediante el test de Mann-Kendall (Kendall, 1975) y Sen
(1968).

La ventaja de Mann-Kendall es saber utilizar la magnitud relativa de los valores de la serie temporal,
filtrando valores extremos, en vez de utilizar los valores reales. Al mismo tiempo, es necesario tener
presente que en este test los datos necesitan cumplir con los siguientes supuestos: ser variables
13

aleatorias, independientes e idnticamente distribuidas. En conclusin, la autocorrelacin de la serie


necesita ser nula.
Estas condiciones limitan su aplicacin en las series climatolgicas, como la precipitacin, debido a la
fuerte dependencia mensual o estacional. Esto induce a la necesidad de tener en cuenta las
caractersticas de este test cuando es aplicado a las series climatolgicas, como la precipitacin, para
las series totales anuales, totales o promedios de una estacin o determinado mes, que pueden ser
considerados como independientes.
La hipotesis nula (H0) considera que los datos: x1, x2, x3, ..., xn, son variables aleatorias independientes
e idnticamente distribuidas. El test estadstico de Mann-Kendall (S) es dado por:

Donde,la funcin sgn es:


sgn(xi - xj) = 1, si xi - xj > 0,
= 0, si xi - xj = 0
= 1, si xi - xj < 0
Para las series con tamao mayores que 10, la estadstica (S) se aproxima a la distribucin normal,
cuando se hace la siguiente correccin: S=S-sgn(S). Considerando la hiptesis nula y la ausencia de
repeticin de valores dentro de la serie, la variancia de (S), [Var(S)], es definida por:

Y con la correccin, debido a las repeticiones, la variancia queda:

Donde g es el nmero de grupos con datos repetidos y tp es el nmero de datos con p-simo grupo.
Luego s y Var (S) son utilizados para el clculo de la estadstica Z, con distribucin normal
estandarizada:

14

Los valores positivos (negativos) de Z indican tendencia ascendente (descendente). Con la finalidad de
mejorar la interpretacin y profundizar los anlisis de las tendencias lineales, se calcularon las
tendencias de las variables climticas de la precipitacin para los totales anuales y estacionales, y para
las temperaturas, los promedios anuales y estacionales. Para las tendencias de los ndices climticos
se consideran solamente los valores anuales. Las estaciones del ao para el presente trabajo fueron
definidas del siguiente modo: primavera (SON), verano (DJF), otoo (MAM) e invierno (JJA).
Si la hiptesis nula (H0) es verdadera, la estadstica Z tiene distribucin normal estndar. Para testar,
tanto las tendencias ascendentes como las descendentes, al nivel significativo la H0 es aceptada si
el valor absoluto de Z es menor que Z1- /2 (teste de dos lados). El valor Z1- /2 es escogido a priori
una vez que no tenemos conocimiento de la direccin de la tendencia. Este valor, , en todos los test
realizados para el presente informe, es de 0,05 (5%).
Para obtener la pendiente o la magnitud de la inclinacin, se utiliz la metodologa desarrollado por
Sen (1968). La magnitud de la tendencia lineal estimada de una serie temporal, denominada
inclinacin (razn de la variable por unidad de tiempo), puede ser estimada a partir del clculo de los
mnimos cuadrados de la inclinacin estimada , utilizando el mtodo de Regresin Lineal. Sin
embargo, , calculado de esta manera, puede desviarse significativamente del verdadero valor de la
inclinacin cuando existen valores discrepantes (outliers) en los datos de la serie temporal a ser
calculada (Gilbert, 1987). En este mtodo, la inclinacin de las tendencias de la serie temporal es
obtenido a partir del clculo de las, N=n(n-1)/2, inclinaciones estimadas a travs de:

Donde: xj y xi son valores de los datos en el tiempo j e i, respectivamente, y j > i. N es el nmero de


pares de datos de la serie en las cuales j > i. La mediana de estos N valores de Se es el valor estimado
de la inclinacin de la serie temporal, denominada como inclinacin de Sen. Debido a la alta
variabilidad, tanto temporal y espacial de la precipitacin, se hace necesario algn tipo de
normalizacin en el tratamiento de estos clculos, fundamentalmente para analizar la distribucin
espacial de tendencias. As, para obtener un mejor anlisis y entendimiento de la distribucin espacial
de las tendencias de precipitacin, en el presente informe se presenta la magnitud porcentual de las
tendencias lineales de cada serie temporal en relacin al promedio del periodo en estudio. Este
parmetro es calculado de la siguiente manera:

Donde: se es la inclinacin estimada de la serie temporal mediante el mtodo de Sen, xi es el promedio


de la precipitacin para el periodo y nd es el nmero de datos (aos o meses) de la serie de datos
considerados. Por ejemplo, nd es igual a 42 aos para las precipitaciones (1965-2006). Para las
tendencias lineales de las temperaturas mximas y mnimas fueron expresadas en C/dcada.

15

2.1.2.2 Tendencia actual de los indicadores extremos climticos de precipitacin y


temperaturas
Entre muchos mtodos estadsticos usados para el diagnstico de eventos extremos tanto de
precipitacin como de temperatura, se tiene el que se basa en los ndices extremos, propuesto por
Frich et al. (2002) y es ampliamente usado en estudios recientes a nivel mundial y que tambin ha sido
adoptado como salida estndar de datos para el reciente Cuarto Reporte de Evaluacin del IPCC
(Kamiguchi et al., 2006).
La investigacin realizada por Frich et al. (2002) observa cambios en los extremos climticos durante
la segunda mitad del Siglo XX, usando cuidadosamente un conjunto definido de ndices derivados
desde observaciones diarias de temperatura mxima, mnima y precipitacin.
El anlisis de Extremos de la data diaria observada de temperaturas y precipitaciones en la regin de
Piura se ha realizado haciendo uso del paquete estadstico RClimDex (recomendado por el Equipo de
Expertos de CCI/CLIVAR para el Climate Change Detection, Monitoring And Indices ETCCDMI), el cual
se basa en el diagnstico de eventos extremos propuesto por Frich et al. (2002) , y es usado en estudios
a nivel mundial, siendo adems adoptado como salida estndar de datos para el Cuarto Reporte de
Evaluacin del IPCC (Kamiguchi et al. 2006). Se ha utilizado informacin del perodo 1963-2013,
considerando las tendencias significativas a un p<0,1.
En las Tablas N1 y N2 se muestran los ndices de precipitacin y temperatura que se van a utilizar
para el estudio de la regin Piura y sus respectivas definiciones.

Tabla N1: ndices de precipitacin con su definicin y unidades. RR es la tasa de lluvia diaria.
Todos los ndices son calculados de enero a diciembre.
Indicador

Nombre del Indicador

Definicin

PRCPTOT

Precipitacin en das hmedos

Precipitacin total anual en los das


hmedos (RR>=1mm)
Nmero mximo de das consecutivos
con RR>=1mm
Nmero mximo de das consecutivos
con RR<1mm
Nmero mximo de das consecutivos
con PRCP>=10mm
Precipitacin total anual en que RR>95
percentil
Mximo mensual de precipitacin en 1
da
Mximo mensual de precipitacin en
cinco das consecutivos

CWD

Das hmedos consecutivos

CDD

Das secos consecutivos

R10mm
R95p

Nmero de das con precipitacin intensa


Das muy hmedos

RX1day

Cantidad mxima de precipitacin en un da

RX5day

Cantidad mxima de precipitacin en cinco


das

Unidades
mm
das
das
das
mm
mm
mm

16

Tabla N2: ndices de temperatura con su definicin y unidades. Todos los ndices son
calculados de enero a diciembre.
Indicador

Nombre del Indicador

Definicin

Txx

Temperatura mxima mxima

Txn

Temperatura mxima mnima

Tnx

Temperatura mnima mxima

Tnn

Temperatura mnima mnima

DTR

Rango Diurno de temperatura

Valor mensual mximo de


temperatura mxima diaria
Valor mensual mnimo de
temperatura mxima diaria
Valor mensual mximo de
temperatura mnima diaria
Valor mensual mnimo de
temperatura mnima diaria
Diferencia media mensual entre Tx
y Tn
Porcentaje de das cuando Tx<10th
percentil
Porcentaje de das cuando Tx>90th
percentil
Porcentaje de das cuando
Tn<10th percentil
Porcentaje de das cuando
Tn>90th percentil

Tx10p

Das Fros

Tx90p

Das calientes

Tn10p

Noches fras

Tn90p

Noches calientes

Unidades
C
C
C
C
C
das
das
das
das

2.2 ESCENARIOS DE CAMBIO CLIMTICO


Las proyecciones climticas se basan en salidas de modelos, regionalizaciones y ajustes, por lo que se
debe considerar que a pesar que las diferentes herramientas utilizadas, stas no son perfectas; por tal
motivo es necesario incluir alguna medida de incertidumbre en los resultados finales, pues en la
medida que el usuario incorpore correctamente estas incertidumbres a los escenarios climticos,
plantear mejor sus estrategias de adaptacin frente al cambio climtico (Tracton, 2001).
Para este anlisis se utiliz el escenario de emisin ms pesimista, la forzante 8.5 W/m2 presentado en
el Quinto Informe de Evaluacin del IPCC en el 2013, conocido como ruta o va de concentracin
representativa (RCP, por sus siglas en ingls); los RCP tienen asociada una base de datos de alta
resolucin espacial de emisiones de sustancias contaminantes, de emisiones y concentraciones de
gases de efecto invernadero y de usos de suelo hasta el ao 2100. Este RCP 8.5 W/m2 es la entrada del
modelo global HadGEM2-ES, el cual servir como condicin inicial al modelo regional WRF.
2.2.1

El Modelo HadGEM2-ES

Se consider el modelo HadGEM2-ES en un escenario pesimista de RCP8.5. El modelo


HadGEM2-ES fue desarrollado en dos etapas a partir de HadGEM1, representando mejoras en el
modelo fsico (que conduce a HadGEM2-AO) y la adicin de los componentes del sistema y tierra de
acoplamiento (que conduce a HadGEM2-ES). El proyecto HadGEM2-AO ha dirigido dos caractersticas
clave de rendimiento: el ENOS y los sesgos de temperatura en la superficie terrestre. Este ltimo tena
una prioridad particularmente alta para que el modelo sea capaz de modelar adecuadamente la
vegetacin continental. A travs de grupos de trabajo se centraron e identificaron una serie de
17

mecanismos que mejora el rendimiento. Algunos errores sistemticos conocidos en HadGEM1, tales
como el monzn de la India, no fueron objeto de atencin en HadGEM2-AO. En HadGEM2-ES la
cubierta vegetal es mejor que en el modelo anterior HadCM3LC especialmente para los rboles, y la
productividad es mejor que en el modelo HadGEM2-AO no interactivo.
2.2.2 Regionalizacin Dinmica
La regionalizacin es un procedimiento que permite adaptar las proyecciones de modelos globales a
una escala ms reducida con una resolucin espacial ms apropiada para su uso en evaluaciones de
impacto a escala ms regional y local. Uno de los mtodos para regionalizar es la dinmica, la cual hace
uso de un modelo regional. Se utiliz para el presente estudio el modelo Advanced Research WRF
(Weather Research and Forescast) versin 3.4, el cual fue forzado por el modelo global HadGEM2-ES
v2, con el componente Earth-System desarrollado por el Centro Hadley Global Environmental Model,
el cual representa coherentemente las variables atmosfricas en distintos niveles de presin. Las
variables analizadas (precipitacin y temperaturas extremas) del modelo global han sido
intercomparadas. El modelo regional WRF, es un modelo de mesoescala no hidrosttico. El SENAMHI,
ha obtenido resultados satisfactorios en el pas utilizando el WRF para sus investigaciones, por lo cual
este modelo regional para proyeccin de largo plazo fue ejecutado para simular el clima actual y su
evolucin futura en la regin Piura.

Figura N3: Esquema de la regionalizacin estadstica.


Fuente: Gaertner, 2001. Proyecto Europeo Prudence
2.2.3

Regionalizacin Estadstica

La regionalizacin estadstica se basa en el uso de las relaciones empricas que relacionan predictandos
(observaciones locales de una variable objetivo, tal como la precipitacin, las temperaturas extremas)
a un conjunto de predictores adecuados (variables a gran escala que determinan el estado de la
atmsfera).
Bajo el enfoque de la aproximacin de Perfec Prog, estas relaciones (modelos) se obtienen al
considerar predictores cuasi-observados desde el reanlisis. Posteriormente, son aplicados los
modelos fijados/ calibrados (coeficientes) a los predictores del Modelo del Sistema de la Tierra a fin
de trasladar sus simulaciones globales gruesas a la escala local requeridas para las aplicaciones en el
impacto y adaptaciones del cambio climtico. Los predictores de circulacin utilizados en la
regionalizacin estadstica son: presin a nivel del mar (SLP), altura geopotencial (Z), componentes
18

zonales/meridionales del viento (U/V) y termodinmicos son: temperatura (T), humedad especfica
(Q), en diferentes niveles de presin, superficie o cerca de la superficie (por ejemplo, 1000 hPa) en la
troposfera media y superior (500/250 hPa). Las primeras variables son predictores robustos para
estudios sobre el cambio climtico, mientras que las siguientes llevan la seal de cambio climtico y,
por lo tanto, deben ser considerados para estudios sobre el cambio climtico.

Figura N4: Esquema de la regionalizacin estadstica.


Fuente: Petra, 2011
En la Figura N 4 se puede obervar el esquema que se sigue para la regionalizacin estadstica , donde
se tiene que Y (predictando) son los valores locales observables y x (predictor) son las variables
atmosfricas a gran escala, suministrado por modelos globales.

2.2.4

Evaluacin de Incertidumbres

Las distintas tcnicas de regionalizacin (estadstica y dinmica) contribuyen a la incertidumbre con


fuentes de error adicionales. Los mtodos estadsticos sufren, en su capacidad predictiva, la limitacin
especfica debida a que las relaciones entre las variables a gran escala y las variables locales no tienen
por qu mantenerse frente a cambios en el clima; mientras que, los mtodos dinmicos a travs de
los modelos regionales aaden fuentes de error adicionales y similares a los modelos globales con los
que son forzados, y algunas especficas a la simulacin a escala regional como la incertidumbre en el
forzamiento radiactivo asociada a la distribucin espacio-temporal de aerosoles que tiene una
relevancia especial a escala regional debido a la heterogeneidad del forzamiento y la respuesta. Otro
aspecto que incide de forma importante en estas escalas regionales son las variaciones en los usos de
suelo y el realismo en los modelos de suelo.
En consecuencia, para reducir la incertidumbre en las tcnicas de regionalizacin evaluadas, los
resultados de las metodologas y modelos fueron promediados y expresados en trminos de cambios
de precipitacin (%) promedio y cambios de temperatura del aire (C) promedio para el periodo 20162045 centrado en el ao 2030 relativo al clima actual (clima base 1981-2005) a nivel anual y para los
trimestres: diciembre-enero-febrero (verano DEF), marzo-abril-mayo (otoo MAM), junio-julio-agosto
(invierno JJA) y setiembre-octubre-noviembre (primavera SON) a escala regional.
El IPCC (2007) recomienda representar la incertidumbre cuantitativamente mediante intervalo de
valores calculados por diferentes modelos, diferentes escenarios de emisiones, diferentes tcnicas de
regionalizacin o diferentes miembros ensemble; para las incertidumbres utilizaremos el modelo de
consenso RCP8.5, modelo AMICAF RCP-8.5 y el modelo regional WRF con 16 Km de resolucin y con
un escenario RCP8.5.

19

Modelo
Global/Regional
(Fuente)

Tipo de
Regionalizacin

Descripcin

Resolucin

Resultado del promedio


ponderado entre reg. estadstica y
dinmica.

16 Km

RCP

Precip.

Temp.

8.5

HadGEM2-ES/ REA
(SENAMHI)

Consenso

HadGEM2-ES/
ESTADSTICO
(SENAMHI)

Reg. Estadstica

Resultado de la regionalizacin
estadstica a punto de estacin,
del modelo global HadGEM2-ES

A punto de
estacin

8.5

HadGEM2-ES/ WRF
(SENAMHI)

Reg. Dinmica

Resultado de la regionalizacin
dinmica por grillas, del modelo
global HadGEM2-ES

16 Km

8.5

A punto de
estacin

8.5

A punto de
estacin

4.5

CanESM2
CNRM-CM5
MPI-ESM-MR
(Proyecto AMICAFSENAMHI)
MPI -ESM-MR/ REMO
(Max Plank Institute)1
HadGEM2-ES/ ETA
(CPTEC)2

Reg. Estadstica
Reg. Estadstica

Resulta de la regionalizacin
estadstica a punto de estacin de
3 modelos globales: CanESM2,
CNRM -CM5 y MPI-ESM-MR

Reg. Dinmica

Resultado de la regionalizacin
dinmica por grillas, del modelo
global MPI-ESM-MR

50 Km

8.5

Reg. Dinmica

Resultado de la regionalizacin
dinmica por grillas, del modelo
global HagGEM2-ETA

20 Km

8.5

Cuadro 2. Modelos utilizados en la comparacin de incertidumbres


El reconocimiento de la existencia de las incertidumbres en las proyecciones climticas no elimina su
utilidad. No se debe pensar que el incremento de la incertidumbre nos lleva a un desconocimiento de
lo que pasara. Es necesario tener una idea de la magnitud de la seal y de la incertidumbre para dar el
valor a las proyecciones climticas, es ah donde radica el reto de los tomadores de decisiones, saber
usar estas incertidumbres y aplicarlas en las planificacin de medidas de adaptacin y mitigacin en la
regin Piura.

_______________________
1G Silvestri,

C Vera and D Jacob (2008): A high-resolution 43-year atmospheric hindcast for South America generated with the
MPI regional model. DOI 10.1007/s00382-008-0423-5.
2Chou, S. , Lyra, A. , Mouro, C. , Dereczynski, C. , Pilotto, I. , Gomes, J. , Bustamante, J. , Tavares, P. , Silva, A. , Rodrigues, D. ,
Campos, D. , Chagas, D. , Sueiro, G. , Siqueira, G. and Marengo, J. (2014): Assessment of Climate Change over South America
under RCP 4.5 and 8.5 Downscaling Scenarios. American Journal of Climate Change, 3, 512-527. doi:
10.4236/ajcc.2014.35043.

20

CAPTULO III

CARACTERIZACIN CLIMTICA

3.1 CARACTERIZACIN CLIMTICA DE LA PRECIPITACIN EN PIURA


3.1.1 Distribucin Temporal de la precipitacin
La precipitacin en la regin Piura comprende dos perodos bien diferenciados en el ao, un perodo
lluvioso que inicia en diciembre y termina en abril, y un perodo de ligeras precipitaciones que
comprende desde julio hasta noviembre. Dentro del perodo lluvioso, en los meses de otoo (MAM)
es en donde se registran las mayores precipitaciones y en el perodo de estiaje, los meses de invierno
(JJA) son los que registran bajas precipitaciones.
Tabla N3: Climatologa del promedio acumulado anual (mm ao -1) y estacional (mm
trimestre-1) de la precipitacin de la regin Piura.
Miraflores
Mallares
La Esperanza
Chusis
Morropn
San Miguel
Chulucanas
San Pedro
Bernal
Pananga
Lancones
Hacienda Bigote
Ayabaca
Sausal de Culucan
Huancabamba
Huarmaca
Sapillica
Santo Domingo
Chalaco
Pacaypampa
Sondorillo
Tuluce
Hacienda Shumaya

Anual
229.76
244.46
132.74
97.24
407.77
151.40
452.05
662.17
81.27
292.75
435.20
501.40
1315.57
321.88
491.37
1010.08
749.97
1368.76
944.84
934.03
357.85
1191.86
960.08

DEF
95.30
101.92
42.16
47.67
143.44
70.57
167.64
274.44
48.68
137.45
177.64
205.82
515.91
128.31
173.05
416.55
316.28
550.51
410.65
340.26
130.63
354.57
265.10

MAM
124.60
139.85
78.13
45.23
256.15
78.26
266.88
368.76
31.07
147.06
243.09
292.33
627.15
149.57
182.31
496.77
396.64
738.91
458.56
444.10
139.65
416.48
326.97

JJA
7.58
0.72
11.46
2.51
5.33
0.44
14.05
11.17
0.48
6.12
12.76
0.87
48.78
11.03
39.09
25.65
17.87
25.07
21.54
33.94
18.17
213.49
188.10

SON
2.28
1.97
0.99
1.84
2.85
2.13
3.48
7.80
1.04
2.12
1.71
2.38
123.73
32.97
96.92
71.11
19.18
54.27
54.08
115.73
69.39
207.33
179.91

En la Tabla N3 se muestran los valores climatolgicos a nivel estacional y anual por cada estacin
meteorolgica ubicada en la regin Piura, el periodo analizado es 1971-2000.
21

En la Figura N5, se observa el ciclo anual de la precipitacin en la regin Piura, donde las mayores
precipitaciones ocurren en los meses de febrero y marzo, y las menores a escasas precipitaciones en
los meses de julio y agosto.

Figura N5: Ciclo anual de la precipitacin en mm mes-1.


3.1.2 Distribucin Espacial de la precipitacin
El periodo de lluvias en la regin se inicia en el mes de setiembre y culmina en mayo del

siguiente ao, usualmente las lluvias de verano en este sector son productos de trasvases de
humedad provenientes de las zonas alto andinas de la sierra ecuatoriana.

22

Mapa 3. Promedio Multianual de la Precipitacin Acumulada Anual

En relacin a su ciclo anual las lluvias a lo largo del litoral no superan los 100 mm al ao, en tanto que
hacia el este las lluvias se ven incrementadas acumulando valores hasta de 1400 mm (Ver Mapa N3).

23

a)

b)

c)

Mapa 4. Promedio Multianual de la Precipitacin a) DEF b) MAM c) JJA d) SON


La precipitacin acumulada durante los meses de DEF flucta entre 10 y 500 mm siendo ms intensas
al este de la regin (Ver Mapa N4a), durante el trimestre MAM las lluvias registran cantidades ms
altas las cuales oscilan entre 50 y 700 mm (Ver Mapa N4b). A lo largo del trimestre JJA la regin
presenta ausencia de lluvias en la zona costera y media, alcanzando en las zonas alto andinas valores
por debajo de los 200 mm (Ver Mapa N4c). Para el trimestre SON persiste la ausencia de lluvias en la
zona costera y media de la regin, totalizando en las zonas alto andinas lluvias acumuladas inferiores
a los 200 mm (Ver Mapa N4d).
24

Durante el evento El Nio 1997-1998, las precipitaciones ms intensas se registraron en la zona costera
(Figuras N6 y N7), totalizando durante el periodo de lluvias cantidades hasta 9 veces ms de lo normal
(Ver Cuadro N3). Las zonas medias del departamento totalizaron cantidades de hasta 3767.6 mm,
(Santo Domingo), valor que representa el doble de su climatologa. Localidades alto andinas como
Ayabaca registraron 60% ms de su climatologa (Ver Cuadro N3).
Se ha observado que durante los aos La Nia las lluvias en la zona costera son similares a su patrn
climtico, en tanto que en las zonas medias del departamento estas se ven incrementadas hasta en
170% ms de lo esperado (Chalaco), las zonas ms altas como Ayabaca registran igualmente
cantidades superiores durante el evento, alcanzando valores de hasta 124 mm en 24 horas (Ayabaca,
La Nia 1999 -2000), acumulando a lo largo del periodo de lluvias cantidades superiores a su normal
pero en menor intensidad que en un ao El Nio (Ver Cuadro 3).

La Esperanza (6 msnm)
600

1982-1983

Precipitacin (mm)

500

1997-1998

1999-2000

Normal

400
300
200
100

0
Set

Oct

Nov

Dic

Ene

Feb

Mar

Abr

May

Jun

Jul

Ago

Figura N6: Distribucin mensual de la precipitacin en aos El Nio (1982-83; 1997-98), La Nia
(1999 2000) y Normal Estacin La Esperanza.

Ayabaca (2830 msnm)


160
140

1982-1983

1997-1998

1999-2000

Normal

Precipitacin (mm)

120

100
80
60

40
20
0
Set

Oct

Nov

Dic

Ene

Feb

Mar

Abr

May

Jun

Jul

Ago

Figura N7: Distribucin mensual de la precipitacin en aos El Nio (1982-83; 1997-98), La Nia
(1999- 2000) y Normal Estacin Ayabaca.
25

3.2 CARACTERIZACIN CLIMTICA DE LA TEMPERATURA MXIMA EN PIURA


3.2.1

Distribucin Temporal de la Temperatura Mxima

La temperatura mxima anual en la regin, vara entre los 17.6C y 32.2C (Ver Tabla N4). Los periodos
ms clidos y ms fros del ao, varan dependiendo de la zona geogrfica, la estacin de verano (DEF)
suele ser la ms clida en las localidades ubicadas hacia el litoral y parte baja de la regin, mientras
que, en las zonas altas de la regin es la estacin de primavera la que registra los valores ms altos.
Los periodos ms fros suelen ocurrir en la estacin de invierno en las zonas bajas y en verano en las
partes altas.

En la Tabla N4 se muestran los valores climatolgicos a nivel estacional y anual por cada estacin
meteorolgica ubicada en la regin Piura. El perodo analizado es 1971-2000.

Tabla N4: Climatologa de la temperatura mxima media anual (C) y estacional (C) de la
regin Piura

ANUAL
Miraflores
Mallares
La Esperanza
Chusis
Morropn
San Miguel
Chulucanas
Ayabaca
Sausal de Culucan
Huancabamba
Huarmaca

DEF
30.71
30.94
28.10
28.71
31.47
30.22
31.95
17.45
28.20
24.12
19.13

MAM
32.98
32.92
29.91
30.76
32.55
32.62
33.21
16.71
27.89
24.36
17.60

JJA
32.32
32.22
30.14
30.79
31.77
31.82
32.41
16.91
27.93
24.03
18.76

SON
28.02
28.62
26.17
26.27
29.72
27.38
30.03
17.97
28.13
23.09
20.90

29.55
30.24
26.27
26.96
31.83
29.16
32.18
18.21
28.84
25.09
19.39

nivel mensual la temperatura mxima es ms alta en los meses de febrero y marzo; mientras que, las
temperaturas mximas ms bajas se presentan en los meses de julio y agosto (Ver Figura N8) en las
zonas bajas de la regin, en el caso de las estaciones Ayabaca, Huancabamba y Huarmaca que estn
ubicadas en zonas altoandinas, estas presenta un comportamiento particular, Ayabaca registra altas
temperaturas en agosto y setiembre, y bajas temperaturas en enero y febrero; Huarmaca registra
temperaturas mximas ms altas en julio y agosto, y ms bajas en enero y febrero; mientras que,
Huancabamba registra valores altos de temperatura mxima en noviembre y ms bajos en julio.

26

Figura N8: Ciclo anual de la temperatura mxima en C.


3.2.2 Distribucin Espacial de la Temperatura Mxima
A nivel anual las temperaturas mximas en el del litoral y la zona costera del departamento registran
durante el ao temperaturas que oscilan entre 28 y 34C (Ver Mapa N5), como temperatura mxima
absoluta se ha registrado 39.2C en la estacin Chulucanas en febrero del 2007, ao catalogado como
normal es decir, sin la presencia del Fenmeno El Nio, estas condiciones se han vuelto ms
recurrentes en los ltimos aos. En el sector sierra del departamento las temperaturas mximas
fluctan entre 14C y 26C, presentndose los valores ms bajos sobre las zonas de mayor altitud en
la regin.
Las temperaturas ms intensas a lo largo de todo el ao se registran en la zona media de la parte baja
de la regin, entre la zona del litoral costero y los 250 msnm. La distribucin espacial de los trimestre
DEF y MAM, presentan un rango similar, donde las temperaturas varan entre los 14C y 34C; durante
los trimestres JJA y SON el rango de temperaturas oscilan entre 14C y 30C (Ver Mapas N6c y 6d),
donde las mayores variaciones se observan en la zona costera y media de la regin respecto a los
trimestres DEF y MAM (Ver Mapa N6a y 6b).

27

Mapa 5. Promedio Multianual de la Temperatura Mxima Anual

28

a)

b)

c)

d)

Mapa 6. Promedio Multianual de la Temperatura Mxima a) DEF b) MAM c) JJA d) SON

29

3.3 CARACTERIZACIN CLIMTICA DE LA TEMPERATURA MNIMA EN PIURA


3.3.1

Distribucin Temporal de la Temperatura Mnima

La temperatura mnima anual vara en la regin entre los 9.50C y 19.57C (Ver Tabla N5). Tambin
se puede apreciar que en las zonas bajas de la regin, generalmente se registran los valores ms altos
de la temperatura mnima durante la estacin de verano (DEF) y en otoo (MAM) en las zonas
altoandinas; mientras que los valores ms bajos de temperatura mnima se presentan generalmente
en la estacin de invierno (JJA).

En la Tabla N5 se muestran los valores climatolgicos a nivel estacional y anual por cada estacin
meteorolgica ubicada en la regin Piura. El periodo analizado es 1971-2000.

Tabla N5: Climatologa de la temperatura mnima media anual (C) y estacional (C) de la
regin Piura

Miraflores
Mallares
La Esperanza
Chusis
Morropn
San Miguel
Chulucanas
Ayabaca
Sausal de Culucan
Huancabamba
Huarmaca

ANUAL

DEF

MAM

JJA

SON

19.25
19.31
19.57
19.40
18.70
18.77
18.83
9.36
16.91
12.34
11.89

21.33
21.31
21.33
21.18
20.76
20.77
20.85
9.41
17.65
12.59
11.62

21.09
21.10
21.42
21.15
20.62
20.53
20.58
9.81
17.77
12.76
12.38

17.20
17.48
17.81
17.67
16.45
16.80
16.61
8.98
15.95
11.80
12.09

17.47
17.66
17.68
17.54
16.99
17.06
17.15
9.23
16.29
12.11
11.36

La temperatura mnima tiene los valores ms altos en los meses de febrero y marzo; mientras que,
presenta mnimos valores en los meses de julio y agosto (Ver Figura N9), a excepcin de las estaciones
Ayabaca y Huancabamba, donde la temperatura mnima presenta poca variabilidad anual y registran
los valores ms bajos de toda la regin.

30

Figura N9: Ciclo anual de la temperatura mnima en C.

3.3.2

Distribucin Espacial de la Temperatura Mnima

A nivel anual se observa que por debajo de los 500 msnm, zona costera y media del departamento, las
temperaturas mnimas fluctan entre 16 y 20C. Durante aos La Nia se observa que las
temperaturas mnimas logran descender hasta los 8C (Estacin Chusis). En las zonas alto andinas las
temperaturas mnimas oscilan entre 6.9C y 14C, en cuanto a las mnimas absolutas, tenemos
registros de hasta 1C y 1.8C, en las localidades de Alto de Poclus (Ayabaca) ubicada a 3070 msnm y
Fras ubicada a 3093 msnm (Ayabaca), respectivamente. No se descarta la presencia de heladas
meteorolgicas en los puntos ms altos de la regin, como Cerro Negro (Ayabaca) ubicada a 3990
msnm (Ver Mapa N7).
A lo largo de todo el ao los valores ms altos de temperaturas mnimas se presentan en la zona
costera de la regin. Los promedios estacionales de los trimestre DEF y MAM, presentan un rango
similar, donde las temperaturas oscilan entre los 6C y 22C, disminuyendo hacia el este de la regin,
las mayores temperaturas se registran en la zona costera y regin media de Piura (Ver Mapa N8a y
8b), durante los trimestres JJA y SON el rango de temperaturas oscilan entre 6C y 18C, registrndose
los valores ms bajos en las localidades de Fras, Ayabaca y Salala (Ver Mapas N8c y 8d).

31

Mapa 7. Promedio Multianual de la Temperatura Mnima

32

b)

a)

c)

d)

Mapa 8. Promedio Multianual de la Temperatura Mnima a) DEF b) MAM c) JJA d) SON

33

3.4 TENDENCIAS CLIMTICAS


En este captulo se presenta las tendencias de la precipitacin, temperatura mxima y temperatura
mnima histrica y de sus extremos climticos, en la escala anual y estacional. Estos anlisis permiten
detectar posibles cambios en los patrones climticos en la regin de Piura, a partir de los datos
observados en el periodo 1964-2013. Para este anlisis se consider las series histricas con eventos
extremos como El Nio y La Nia.
3.4.1

Tendencias observadas de Precipitacin

3.4.1.1 Tendencia Anual


La tendencia de la precipitacin en las diferentes estaciones, reporta una tendencia positiva en casi
toda la regin, a excepcin de la estacin Chusis, que presenta una disminucin no significativa de -1
mm por dcada; y la mayora con una tendencia no significativa (NS). Las estaciones con tendencias
significativas son: Pananga, La Esperanza, Morropn, Hacienda Bigote, Ayabaca y Sausal de Culucan.
El aumento de la precipitacin va hasta los 76 mm dcada-1 (Ayabaca). Estos resultados mantienen las
tendencias evaluadas en la Segunda Comunicacin (SENAMHI, 2009).

Tabla N6: Tendencia anual de la precipitacin (mm/dcada) y significancia (%) en la regin


Piura
ESTACIONES

Perodo

Tendencia
(mm dcada-1)

Significancia %

Miraflores
1971-2014
2
NS
Mallares
1971-2014
7
NS
La Esperanza
1967-2014
4
90
Chusis
1965-2014
-1
NS
Morropn
1964-2014
45
95
Ayabaca
1964-2014
76
95
Sausal De Culucan
1964-2014
27
90
Huancabamba
1971-2014
18
NS
San Miguel
1973-2014
4.4
NS
Huarmaca
1964-2014
47
NS
Chulucanas
1972-2014
17
NS
San Pedro
1975-2014
38
NS
Bernal
1964-2014
3
NS
Pananga
1964-2014
25
95
Lancones
1964-2014
21
NS
Sapillica
1964-2014
54
NS
Hacienda Bigote
1964-2014
46
90
Chalaco
1964-2014
50
NS
Pacaypampa
1964-2014
12
NS
Sondorillo
1964-2014
7
NS
Tuluce
1964-2014
35
NS
Hacienda Shumaya
1964-2014
12
NS
Leyenda: Nivel de significancia No Significativo (NS), nivel de significancia 90% (+), nivel de
significancia 95% (*), nivel de significancia 99% (**), nivel de significancia 99.9% (***).
34

3.4.1.2 Tendencia Estacional


En la Tabla N7 se muestran las tendencias estacionales y su significancia. De todo el grupo de
estaciones analizadas, en la estacin de verano (DEF) se tiene que en toda la regin la tendencia es
creciente, a excepcin de la estacin Chusis que no muestra cambios significativos. En la estacin de
otoo (MAM) se tiene que toda la regin presenta un aumento de precipitacin, a excepcin de las
estaciones Huancabamba y Sondorillo, ambas estaciones ubicadas al sureste de la regin que
presentan una tendencia de disminucin no significativa de la precipitacin, de -2.5 mm dcada-1 y 1.3mm dcada-1 respectivamente. En invierno (JJA) se tiene que gran parte de la regin presenta
tendencia negativa y otro porcentaje no muestra cambios en el rgimen de precipitacin, solo
Huarmaca, Sapilica y Tuluce presentan disminuciones significativas de la precipitacin de -3.6, -3.9 y 14.5 por dcada, respectivamente. Finalmente en primavera (SON) se tiene tanto tendencias negativas
como positivas en toda la regin, lo que podra deberse a las caractersticas locales de cada estacin,
al igual que en algunas estaciones no se presentan cambios en la variable.

Tabla N7: Tendencia estacionales de la precipitacin (mm/dcada) y significancia (%) en la


regin Piura
Estacin

DEF

MAM

JJA

SON

Tend.
Sig. Tend.
Sig
Tend. Tend. Sig. Tend.
Miraflores
2.9
NS
0.7
NS
0
NS
0
NS
Mallares
2.0
NS
1.9
NS
0
NS
0
NS
La Esperanza
1.3
NS
0.8
NS
0
NS
0
NS
Chusis
0.0
NS
1.0
NS
0
99
0
95
Morropn
22.0
99
15.1
NS
0
NS
0.9
95
Ayabaca
36.6
NS
35.4
NS
-0.7
NS
0
NS
Sausal De Culucan
19.2
99
7.5
NS
-0.9
NS
1.6
NS
Huancabamba
17.4
90
-2.5
NS
-2.2
NS
9.1
NS
San Miguel
2.0
NS
3.2
95
0
95
0
NS
Huarmaca
39.1
95
20.6
NS
-3.6
95
-6.6
NS
Chulucanas
1.9
NS
0.0
NS
0.0
NS
1
90
San Pedro
18.3
NS
21.9
NS
-1.0
NS
0.8
NS
Bernal
0.8
NS
1.9
90
0
90
0
NS
Pananga
10.2
95
11.6
95
0
NS
0
99,9
Lancones
6.8
NS
8.9
NS
0
NS
0
NS
Sapillica
20.4
NS
31.4
NS
-3.9
99,9 -2.1
90
Hacienda Bigote
30.0
95
28.2
90
0
95
2.1
99,9
Chalaco
41.4
99
13.4
NS
0.0
NS
5.4
NS
Pacaypampa
20.1
NS
4.8
NS
-2.4
NS
-3.1
NS
Sondorillo
1.4
NS
-1.3
NS
0
NS
0
NS
Tuluce
36.9
99
7.8
NS
-14.5
90
-2.2
NS
Hacienda Shumaya
13.8
NS
14.5
NS
-4.9
NS
-1.5
NS
Leyenda: Nivel de significancia No Significativo (NS), Nivel de significancia 90% (+),
Nivel de significancia 95% (*), Nivel de significancia 99% (**), Nivel de significancia 99.9% (***).

35

a)

b)

Figura N10: Tendencia de la precipitacin acumulada anual considerando aos Nio y sin considerar
aos Nio (mm) de la estacin Ayabaca (a) y Hacienda Bigote (b).

En la Figura N10 se puede apreciar la serie climtica y la tendencia positiva de la precipitacin


acumulada anual. Ayabaca presenta un 28% de aumento, donde se tiene 7.6 mm de aumento por ao,
considerando eventos clidos como El Nio; mientras que la tendencia anual acumulada cuando no se
consideran aos Nio es de 26% con un aumento de 7.4 mm por ao. En la estacin Hacienda Bigote,
se tiene un aumento de 4.60 mm de por ao, considerando eventos clidos como El Nio; mientras
que, la tendencia anual acumulada cuando no se consideran aos Nio es de 4 mm por ao.
Estos resultados coinciden con las tendencias analizadas en la Segunda Comunicacin Nacional de
Cambio Climtico (SENAMHI, 2009), donde se indica un incremento de la precipitacin en la costa
norte, y con el estudio del Programa de Cambio Climtico y Calidad de Aire (PROCLIM, 2005) donde se
menciona el incremento de las precipitaciones en los meses de verano (DEF) y otoo (MAM), tanto en
la cuenca baja, media y alta del rio Piura.

36

3.4.2 Tendencias observadas de la Temperatura Mxima


La tendencia anual y estacional de la temperatura mxima del aire se observa en las Tablas N8 y N9
respectivamente.

3.4.2.1 Tendencia Anual


En la Tabla N8 se puede apreciar la tendencia anual de la temperatura mxima. Los cambios son entre
negativos y positivos; Chusis, Mallares, Morropn, San Miguel, Chulucanas, Ayabaca, Sausal de
Culucan y Huarmaca presentan pequeos aumentos significativos. La Esperanza y Miraflores (ambas
estaciones ubicadas cerca al litoral costero) muestran tendencias negativas no significativas de -0.1C
y -0.02C respectivamente.
Tabla N8: Tendencia anual de las temperaturas mxima (C) y de las significancias (%) en la regin
Piura.

ESTACIONES

Perodo

Tendencia (C
dcada-1)

Significancia %

Miraflores
1971-2013
-0.02
NS
Mallares
1971-2013
0.5
99.9
La Esperanza
1966-2013
-0.1
NS
Chusis
1964-2013
0.2
99
Morropn
1964-2013
0.2
90
San Miguel
1973-2013
0.3
99
Chulucanas
1972-2013
0.3
99.9
Ayabaca
1964-2013
0.2
99.9
Sausal De Culucan
1964-2013
0.4
99.9
Huancabamba
1964-2013
0.1
NS
Huarmaca
1973-2013
0.3
99
Leyenda: Nivel de significancia No Significativo (NS), Nivel de significancia 90% (+),
Nivel de significancia 95% (*), Nivel de significancia 99% (**), Nivel de significancia 99.9% (***).

3.4.2.2

Tendencia Estacional

En la Tabla N9 se muestran las tendencias estacionales y su significancia, de la variable temperatura


mxima. El panorama general indica un aumento de las temperaturas mximas. En verano (DEF) los
cambios significativos solo muestran aumentos, a excepcin de La Esperanza que presenta una
disminucin no significativa de -0.1C, Morropn y Miraflores no presentan cambios en la variable. En
otoo (MAM), todas las tendencias son positivas, los valores van desde los 0.04C (Miraflores) a 0.7C
(Mallares) por dcada. En invierno (JJA) se tiene mayormente tendencias positivas para toda la regin
a excepcin de Miraflores y La Esperanza muestra tendencias decrecientes no significativas. En
primavera (SON) se tienen tendencias positivas en toda la regin analizada, a excepcin de las mismas
estaciones con tendencia negativa en la estacin de invierno. En general, la tendencia predominante
es positiva en la regin.
Tabla N9: Tendencias estacionales de las temperaturas mxima (C) y de las significancias (%) en
la regin Piura.
37

Estacin

DEF

MAM

JJA

SON

Tend.
Sig.
Tend.
Sig
Tend.
Sig
Tend.
Miraflores
0
NS
0.04
NS
-0.05
NS
-0.03
Mallares
0.6
99.9 0.7
99.9
0.6
99.9 0.3
La Esperanza
-0.1
NS
0.1
NS
-0.1
NS
-0.3
Chusis
0.3
99
0.2
95
0.2
90
0.2
Morropn
0
NS
0.1
NS
0.3
95
0.3
Sanmiguel
0.3
99
0.3
95
0.5
99
0.2
Chulucanas
0.2
90
0.4
90
0.4
99
0.4
Ayabaca
0.1
NS
0.2
99.9
0.2
99.9 0.3
Sausal De Culucan
0.3
95
0.3
99.9
0.5
99.9 0.4
Huancabamba
-0.1
NS
0.1
NS
0.2
95
0.1
Huarmaca
0.2
NS
0.3
99
0.4
95
0.4
Leyenda: Nivel de significancia No Significativo (NS), Nivel de significancia 90% (+),
Nivel de significancia 95% (*), Nivel de significancia 99% (**), Nivel de significancia 99.9% (***).
a)

b)

Figura N11: Tendencia de la temperatura mxima anual de la estaciones Ayabaca (a) y Mallares (b)

En la Figura N11 se puede apreciar las series climticas y la tendencia de la temperatura mxima anual
de las estaciones Ayabaca (a) y Mallares (b), ambas estaciones muestran una clara tendencia de
38

Sig
NS
99.9
95
99
99.9
NS
99.9
99.9
99.9
90
99.9

aumento de la temperatura mxima en toda su serie histrica, siendo la estacin Mallares la que
presenta un mayor aumento (0.5C por dcada); Ayabaca presenta un aumento de casi 0.2C por
dcada. Estos resultados coinciden con las tendencias analizadas en la Segunda Comunicacin
Nacional de Cambio Climtico (SENAMHI, 2009); segn dicho estudio las temperaturas mxima sobre
la costa norte del Per van en aumento y con el estudio del Programa de Cambio Climtico y Calidad
de Aire, en la cuenca del ro Piura (PROCLIM, 2005) donde se tiene tendencias positivas de la
temperatura mxima del aire en algunas zonas de la regin.

3.4.3

Tendencias observadas de la Temperatura Mnima

Los valores y significancias de la tendencia anual y estacional de la temperatura mnima de Piura, se


muestran en las Tablas N10 y N11.
3.4.3.1 Tendencia Anual
La tendencia para la temperatura mnima es significativamente positiva en toda la regin a excepcin
de las estaciones Mallares, Chusis, San Miguel y Chulucanas que los cambios que presentan no son
significativos, y en las dos ltimas estaciones mencionadas, no se tiene cambios. La Esperanza y
Morropn presentan el aumento ms alto de la temperatura mnima en la regin, con un aumento
de 0.4C por dcada, en el caso de La Esperanza, la tendencia se mantiene similar a la encontrada con
el estudio de la Segunda Comunicacin (SENAMHI, 2009).

Tabla N10: Tendencia anual de las temperaturas mnima (C) y de las significancias (%) en la
regin Piura.

ESTACIONES

Perodo

Tendencia (C
dcada-1)

Significancia %

Miraflores
1971-2013
0.2
99
Mallares
1971-2013
0.1
NS
La Esperanza
1966-2013
0.4
99
Chusis
1964-2013
0.1
NS
Morropn
1964-2013
0.4
99.9
San Miguel
1973-2013
0
NS
Chulucanas
1972-2013
-0.01
NS
Ayabaca
1964-2013
0.3
99.9
Sausal de Culucan
1964-2013
0.2
99.9
Huancabamba
1964-2013
0.3
99.9
Huarmaca
1973-2013
0.3
99.9
Leyenda: Nivel de significancia No Significativo (NS), Nivel de significancia 90% (+),
Nivel de significancia 95% (*), Nivel de significancia 99% (**), Nivel de significancia 99.9% (***).

39

3.4.3.2

Tendencia Estacional

En la Tabla N11 se muestran las tendencias estacionales y su significancia, de la variable temperatura


mnima media estacional.
En verano (DEF) se tiene que todas las tendencias son positivas, el cambio ms alto de aumento se da
en la estacin Morropn con 0.5C de aumento no significativo de temperatura mnima por dcada.
En otoo (MAM) tambin se tienen tendencias positivas en casi toda la regin, a excepcin de la
estacin Lancones que se encuentra cerca de la costa de Piura.
Invierno (JJA) y primavera (SON) presentan un aumento de la temperatura mnima en todas las
estaciones, a diferencia de Chulucanas y San Miguel que no muestran cambios en la variable en
invierno y en primavera Chulucanas muestra una disminucin no significativa de -0.1C por dcada.
De entre todas las estaciones analizadas, Morropn es la que registra los valores ms altos, a nivel
estacional.

Tabla N11: Tendencias estacionales de las temperaturas mnima (C) y de las significancias (%) en
la regin Piura

Estacin
Miraflores
Mallares
La Esperanza
Chusis
Morropn
Sanmiguel
Chulucanas
Bernal
Lancones
Ayabaca
Sausal de Culucan
Huancabamba
Huarmaca

DEF
Tend.
0.3
0
0.4
0.2
0.5
0.1
0.1
0.04
0.01
0.3
0.1
0.2
0.3

MAM
Sig.
95
NS
99.9
95
99.9
NS
NS
NS
NS
99.9
90
95
99

Tend.
0.2
0.1
0.3
0.1
0.3
0
0
0.14
-0.06
0.3
0.1
0.3
0.3

Sig
NS
NS
95
NS
99
NS
NS
NS
NS
99.9
95
99.9
99.9

JJA
Tend.
0.3
0.2
0.4
0.2
0.6
0
0
0.1
0.1
0.3
0.2
0.3
0.3

SON
Sig
95
90
99
NS
99.9
NS
NS
NS
NS
99.9
99
99.9
99.9

Tend.
0.2
0.1
0.4
0
0.4
0
-0.1
0.02
0
0.3
0.2
0.02
0.3

Sig
NS
NS
99
NS
99.9
NS
NS
NS
NS
99.9
99.9
99
99.9

Leyenda: Nivel de significancia No Significativo (NS), Nivel de significancia 90% (+),


Nivel de significancia 95% (*), Nivel de significancia 99% (**), Nivel de significancia 99.9% (***).

40

a)

b)

Figura N12: Tendencia de la temperatura mnima anual de las estaciones Ayabaca (a) y Sausal de
Culucan( b).
En la Figura N12 se puede apreciar la serie climtica y la tendencia positiva de la temperatura mnima
anual de las estaciones Ayabaca (a) y Sausal de Culucan (b), ambas estaciones muestran una clara
tendencia de aumento de la temperatura mnima en toda su serie histrica, siendo la estacin Ayabaca
la que presenta un aumento de 0.29C por dcada; la estacin Sausal de Culucan presenta un aumento
de 0.16C por dcada.
Los resultados obtenidos en este documento guardan concordancia con los resultados de la Segunda
Comunicacin Nacional de Cambio Climtico (SENAMHI, 2009) y el Programa de Cambio Climtico y
Calidad de Aire en la cuenca del ro Piura (PROCLIM, 2005), donde se menciona la tendencia positiva
de la temperatura mnima en la costa norte del pas.

3.5 TENDENCIAS DE NDICES DE EXTREMOS CLIMTICOS


La variabilidad climtica es parte de la definicin del clima de una regin, la ocurrencia de eventos
extremos climticos podran tambin estar cambiando en frecuencia, intensidad y duracin, como
41

consecuencia de la influencia del hombre sobre el clima. El cambio climtico puede ser percibido o
sentido de mejor manera a travs de la incidencia de estos impactos extremos (IPCC, 2007).
La necesidad de analizar los extremos climticos se ha visto incrementado exponencialmente por las
grandes prdidas econmicas y la afectacin a la vida humana relacionadas a estos eventos, sugiriendo
que los tomadores de decisin necesitan una mejor comprensin del uso potencial de la informacin
climtica (Karl and Easterling, 1999). El anlisis de extremos climticos permite definir con cuanta
frecuencia se dan, dnde se producen y con qu magnitud impactan, sus tendencias nos indicaran si
estos estn variando con respecto a una serie historia lo suficientemente extensa que permita filtrar
variabilidades propias del clima.
La evaluacin de eventos extremos, est basada en el anlisis de series largas y continuas de
observacin de precipitacin, temperaturas mximas y mnimas. El objetivo del anlisis de ndices de
extremos climticos derivados desde la informacin diaria es importante en estudios regionales y
locales de impactos. Sin embargo, la falta de continuidad y calidad de datos restringe la estimacin de
ndices de extremos climticos no permitiendo una mejor evaluacin. As se puede decir que la
deteccin del cambio climtico debera ser ms observable a travs de sus tendencias y extremos
climticos en regiones montaosas.

3.5.1

ndices de Extremos Climticos de la Precipitacin

Los ndices climticos que permiten evaluar el comportamiento de los eventos extremos de la
precipitacin se muestran en la Tabla N12. Si bien gran parte de los ndices mostrados presentan
tendencias no significativas debido a discontinuidades en las series de tiempo, es importante
considerar a manera de referencia las aproximaciones que se indican para la escala regional sobre los
cambios en condiciones extremas de la variable precipitacin.
La Regin de Piura presenta una coherencia espacial en gran parte de la regin en las seales de
tendencia positiva entre la mayora de ndices para la precipitacin analizados, y en concordancia con
la tendencia negativa del ndice de das secos consecutivos (CDD). El ndice de precipitacin total
(PRCPTOT) viene incrementando en todas las estaciones, lo que indica que las lluvias en Piura estn
aumentando, a excepcin de ciertas zonas sobre la parte central baja y media de la regin como en
Miraflores, La Esperanza y Chulucanas. El ndice de das hmedos consecutivos (CWD) muestra una
clara tendencia positiva en toda la regin, a excepcin de Chusis; lo que concuerda con el aumento de
las precipitaciones totales anuales (PRCPTOT). El ndice de das secos consecutivos (CDD) muestra
tendencias negativas significativas en las zonas bajas medias y altas de la regin, lo que indicara una
progresiva disminucin de la duracin de los periodos sin lluvia en localidades como Mallares, La
Esperanza, Bernal, Pananga, Hacienda Bigote, Huancabamba y Sondorillo. En contraste con estaciones,
donde con tendencias positivas no significativas, se muestran que probablemente exista un aumento
en la duracin de los periodos secos. El nmero de das con precipitacin intensa (R10mm) presenta
una tendencia positiva no significativa en todas las estaciones, lo que concuerda con el aumento de
precipitaciones, a excepcin de Miraflores, La Esperanza , Chulucanas, San Pedro y Sondorillo que
presenta tendencias significativas de disminucin de eventos con lluvias mayores a 10 mm. En los das
muy hmedos (R95p) tambin se tiene una tendencia positiva predominante, aunque no significativa,
para el incremento en la intensidad de lluvias, en concordancia con el aumento de la precipitacin
total, das hmedos consecutivos y aumento de perodos con precipitacin intensa, a excepcin de
Miraflores, Chulucanas, Sondorillo y Hacienda Shumaya, donde aparentemente la intensidad de las
lluvias extremas est en disminucin. En cuanto a los ndices de intensidad de precipitacin mxima
en 1 da y 5 das (RX1day y RX5day) muestran una tendencia positiva en gran parte de la regin, que
indica que la cantidad de lluvia acumulada en 1 y 5 das va en aumento.
42

Tabla N12: Tendencia y niveles de significancia de los ndices extremos de precipitacin en la


regin Piura
ndices/Estaciones
Miraflores
Mallares
La Esperanza
Chusis
Morropn
Chulucanas
San Pedro
Bernal
Pananga
Lancones
Hacienda Bigote
Ayabaca
Sausal De Culucan
Huancabamba
Huarmaca
Sapillica
Sondorillo
Tuluce
Hacienda Shumaya

PRCPTOT

+
+

+
+
+
+
+
+
+
+
+
+
+
+
+

CWD
+
+
+

+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

CDD
+

+
+
+
+

+
+

+
+

+
+

R10mm

+
+

+
+
+
+
+
+
+
+
+

+
+

R95p

+
+

+
+
+
+
+
+
+
+
+
+

RX1day

+
+
+
+
+
+
+
+
+
+
+
+

+
+

RX5day

+
+
+
+

+
+
+
+
+
+
+

+
+

+
+

Leyenda: Tendencia positiva sin significancia (+), Tendencia positiva con significancia (+),
Tendencia negativa sin significancia (), Tendencia negativa con significancia ().

43

a)

b)

Figura N13: Tendencia del ndice de precipitacin RX1day y CDD de la estacin Ayabaca (a) y Sausal
de Culucan (b).
En la Figura N13 se puede observar la tendencia positiva del ndice de precipitacin acumulada en un
da (RX1day) de la estacin de Ayabaca; es decir, la precipitacin mxima acumulada en un da viene
aumentando en las ltimas dcadas. El ndice se das secos consecutivos (CDD) viene aumentando en
la estacin de Ayabaca, lo que indica que el perodo de das sin lluvias viene aumentando en sta
estacin ubicada en la zona altoandina de Piura.
En relacin con la Segunda Comunicacin Nacional de Cambio Climtico, es clara la tendencia de
incremento de la precipitacin sobre esta parte de la costa norte, siendo concordante con la tendencia
de disminucin de condiciones secas, las diferentes variaciones presentadas en los resultados, podran
deberse a caractersticas del entorno.

3.5.2 ndices de Extremos Climticos de la Temperatura


Los ndices se presentan en la Tabla N13. En los resultados de la Tabla N13 se puede apreciar que la
mayora de las estaciones analizadas muestran que la tendencia de los ndices basados en los
percentiles (Tx10p, Tx90p, Tn10p y Tn90p) muestran concordancia con el calentamiento global. Al
tendencia para el valor mas alto mensual de la temperatura mxima diaria (Txx) es positiva en toda la
regin, a excepcin de Sausal de Culucan, Huancabamba y Sondorillo; es decir, se estn registrando
temperaturas mximas absolutas mensuales cada vez ms altas, en las ltimas dcadas, del mismo
44

modo hay aparentemente una predominancia de que los valores mnimos de las temperaturas
mximas (Txn) vienen disminuyendo significativamente, en gran parte de las estaciones analizadas;
solo Mallares, La Esperanza, Ayabaca y Huarmaca presentan tendencia positiva.
Para el caso del ndice basado en el valor ms bajo mensual de la temperatura mnima (Tnn) se aprecia
que este valor va en aumento en todas las estaciones, a excepcin de Sausal de Culucan y
Huancabamba, donde disminuye significativamente con valores cada vez ms bajos. Caso contrario
ocurre con el ndice de temperaturas mnimas mensual ms altas (Tnx) la cual viene aumentando en
casi toda la regin en las ltimas cinco dcadas, a excepcin de Sondorillo que est ubicado al este de
Piura, cerca de la frontera con Amazonas.
El rango diurno de temperatura (DTR) muestra tendencias negativas y positivas en toda la regin,
indistintamente de la altitud a la que se encuentran las estaciones analizadas, tanto estaciones en
zonas altas como en zonas bajas, presentan variadas tendencias entre positivas y negativas; por
ejemplo, Miraflores, La Esperanza, Morropn, Ayabaca, Sausal de Culucan y Huancabamba presentan
una disminucin de los valores del rango diurno, lo que significa que la diferencia entre la temperatura
mxima y mnima, se hace cada vez ms pequea; mientras que, Mallares, Chusis, Chulucanas,
Huarmaca y Sondorillo la diferencia entre los valores de temperatura mxima y mnima se hacen cada
vez ms grandes.
Se tiene tambin que la frecuencia de noches fras (Tn10p) presenta tendencia negativa, lo que indica
que cada ao hay un menor nmero de noches con temperaturas muy bajas, a excepcin de las
estaciones Sausal de Culucan y Huarmaca donde el nmero de noches fras estn contrariamente
aumentando; en el caso de la frecuencia de noches clidas (Tn90p) aumenta en La Esperanza, Chusis,
Morropn, Ayabaca y Huarmaca, y disminuye en Sausal de Culucan y Huancabamba (ambas ubicadas
al este de Piura, en zonas altoandinas). La frecuencia de das clidos (Tx90p) viene aumentando en la
regin, a excepcin de La Esperanza, Sausal de Culucan y Huancabamba que tienen tendencias
negativas. Finalmente, la frecuencia de das fros (Tx10p), es decir con temperaturas mximas muy
bajas est disminuyendo progresivamente.

Tabla N13: Tendencia y niveles de significancia de los ndices extremos de precipitacin en la


regin Piura.
ndices/Estaciones Txx
Txn
Tnx
Tnn
DTR
Tx10p Tx90p Tn10p
Miraflores
+

+
+

+
+

Mallares
+
+
+
+
+

La Esperanza
+
+
+
+

Chusis
+

+
+
+

Morropn
+

+
+

Chulucanas
+

+
+
+
Ayabaca
+
+
+
+

Sausal De Culucan

+
Huancabamba

+
Huarmaca
+
+
+
+
+

Sondorillo

+
+
Leyenda: Tendencia positiva sin significancia (+), Tendencia positiva con significancia (+),
Tendencia negativa sin significancia (), Tendencia negativa con significancia ().

Tn90p

+
+
+
+

45

a)

b)

Figura N14 Tendencia de los ndices Tn10p (a) Tn90p (b) de la estacin Ayabaca.
En la Figura N14a se muestra las tendencias del ndice de noches fras (Tn10p) se puede observar que
vienen disminuyendo notoriamente las noches fras en la estacin en los ltimos 50 aos; mientras
que en la Figura N14b se tiene la tendencia del ndice de noches clidas (Tn90p) que muestra una
clara tendencia positiva, lo que indica que se estn registrando un aumento de las noches clidas.
Estos resultados guardan relacin con los obtenidos en el documento Segunda Comunicacin Nacional
de Cambio Climtico (SENAMHI, 2009), el cual indica que existe una tendencia al calentamiento en la
regin costera norte.

46

CAPTULO IV

ESCENARIOS CLIMTICOS REGIONALES

El clima de una regin es el resultado de una serie de factores en diferentes escalas espaciales, desde
los forzamientos locales, la cobertura vegetal, la topografa, el tipo de suelo, pisos altitudinales,
cercana al mar, etc., hasta los forzamientos de gran escala, como la circulacin de mesoescala o las
teleconexiones, que pueden condicionar caractersticas propias de la regin, por lo que es de gran
importancia incluirlas en los anlisis de seales de cambio climtico. Sin embargo, este proceso puede
volverse extremadamente complicado y caracterizado por un alto grado de incertidumbre (Giorgi,
2008).
Una forma de construir escenarios futuros del clima, es incorporando la variabilidad (interanual) a
dichos escenarios (Wilks, 1992; Meams et al., 1992; Barrow, 1995; citados por Hulme y Lu 2000) siendo
la variabilidad muy importante en el estudio de eventos extremos y la frecuencia con la que stos
eventos suceden.
Los escenarios futuros del clima a escala regional y local son necesarios para proyectar los posibles
cambios del clima en el futuro a un mejor detalle espacial y temporal; con lo cual es posible evaluar
la vulnerabilidad econmica social y con ello implementar estrategias de adaptacin y enfrentar los
posibles impactos del cambio climtico global. La herramienta bsica para estimar las proyecciones
climticas son los Modelos de Circulacin General Acoplados Ocano Atmsfera (AOGCMs, siglas en
ingls). Los AOGCMs permiten simular el clima pasado, actual y futuro, habiendo, con el paso de los
aos, mejorado muchsimo en la representacin de los efectos de los procesos fsicos a travs de sus
esquemas de parametrizacin de radiacin y conveccin principalmente, as como las interrelaciones
entre las componentes del sistema climtico atmsfera-ocano-superficie terrestre-bisferacrisfera.
En la actualidad, existen en la comunidad cientfica diversos modelos AOGCMs, los cuales forman
parte del grupo de la Fase 5 del Proyecto de intercomparacon de Modelos Acoplados (CMIP5 por sus
siglas en ingles). De estos modelos, siete fueron evaluados sobre la regin sudamericana (ACCESS1-0,
CESM1-CAM5, NorESM1-M, HadGEM2-AO, HadGEM2-CC, HadGEM2-ES, MPI-ESM-LR.) a fin de
identificar cual tenia una mejor representatividad de la dinmica atmosfrica de esta parte del mundo
(SENAMHI, 2013). El modelo ingls HadGEM2-ES (Met Office Hadley Centre) fue el que mejor
representacin hace de la estructura atmosfrica, siendo el utilizado para el proceso de regionalizacin
dinmica con el modelo regional WRF, generando escenarios en dos pasos de reduccin de escala a
48 km y 16 km, siendo la resolucin ms fina la presentada en el presente estudio, y para la
regionalizacin estadstico a punto de estacin.

4.1 PROYECCIONES DEL CLIMA EN LA REGIN DE PIURA


En este captulo se busca conocer los cambios en la precipitacin, temperatura mxima y temperatura
mnima promedio anual y estacional para el time- slice 2016-2045 centrado en el ao 2030, tomando
como perodo histrico los aos 1981-2005. Las proyecciones presentadas a continuacin resultan del
consenso de escenarios generados por procesos de regionalizacion estadstica y dinmica, de los que
se obtuvieron series que fueron comparadas con la serie base (datos histricos observados). Un mayor
peso es asignado a aquella serie que se aproxime ms a la serie base; una vez determinadas las series
47

con mayores pesos, se realiza el promedio ponderado y se obtiene una serie patrn, la que se utiliza
para las proyecciones climticas futuras. Tanto la serie dinmica como la estadstica, se regionalizaron
a partir del modelo global HadGEM2-ES y tuvieron como escenario de emisin al RCP 8.5, el cual
representa el escenario ms pesimista.
4.1.1

Proyecciones de la precipitacin

En las Figuras N15 y N16 se muestran la variacin porcentual de las precipitaciones en el Per, esto
a nivel anual y estacional a una resolucin de 16 Km.
A nivel anual, la regin Piura presentara cambios diferenciados entre la zona costera por debajo de
los 500 msnm aproximadamente y las partes altas al este de la regin. Hacia el 2030, la parte que
corresponde a las zonas altas presentara una disminucin de hasta un -30% con respecto a la
precipitacin actual (media del periodo 1981-2005). En el resto de la regin, hacia la zona costera, la
precipitacin de incrementara, siendo los mayores incrementos de hasta 230%, sobre la zona central
sur de la regin. En general, sobre la regin predomina una tendencia proyectada al aumento de las
precipitaciones (Ver la Figura N15), mantenindose la tendencia de las proyecciones encontradas en
la Segunda Comunicacin Nacional (SENAMHI, 2011) aunque con valores mucho ms altos, mostrando
asimismo regiones con tendencia a la disminucin hacia la zona este.

Figura N15: Distribucin espacial del Cambio en la precipitacin anual para la regin de Piura

48

Estacionalmente se mantiene la distribucin de cambios de lluvia proyectados a nivel anual en las


estaciones de verano, otoo y primavera, mientras que en invierno la distribucin vara ligeramente
con mximos incrementos hacia la parte central norte de la regin. En la Figura N16a se puede
apreciar que en verano (DEF), el litoral costero presentara un mayor aumento de la precipitacin entre
90% y 230%; mientras que, las zonas altas mostraran cambios que van de -10% a 10%.
En otoo (MAM) se tendra un aumento en casi toda la regin de hasta 230% en las provincias de
Sechura, Paita, Sullana , Piura y Talara: mientras que Ayabaca y Huancabamba y todas las zonas altas
presentaran una variacin de -10% a 90% (Ver Figura N16b).
En invierno (JJA) se tendran los menores incrementos de la precipitacin estacional, con puntos
localizados que presentaran aumentos de hasta 210%y incluyendo algunas zonas de la parte alta de
la regin. En general, las proyecciones indican aumentos en el norte y centro y disminuciones al sur y
este de la regin de hasta -30%. (Ver Figura N16c)
En primavera (SON) se tendra aumentos en el centro, sur y parte del norte de Piura de hasta 210%;
mientras que en laz zonas altas y norte de Piura, se tendra disminuciones de la precipitacin hasta
ms de -30%. (Ver Figura N16d).
a

Figura N16: Distribucin espacial del cambio en la precipitacin a nivel estacional a) verano, b)
otoo, c) invierno y d) primavera, para la regin de Piura.
49

4.1.2 Proyecciones de la temperatura mxima


En general, la regin Piura presenta proyecciones de calentamiento; es decir, la temperatura mxima
se incrementara en toda la regin. A nivel anual, los escenarios futuros proyectan que en la zona
central de Piura, el aumento ira de 1C a 1.25C, mientras que las zonas altas tendran una variacin
de 1.25C hasta 2.0C, aumentando en direccin este, al igual que la zona del litoral costero
principalmente al sur donde las variciones serian desde 1.25C a 2C como en Sechura (Ver Figura
N17).

Figura N17: Distribucin espacial del cambio en la temperatura mxima anual para la regin de
Piura.
A nivel estacional las proyecciones futuras tambin indican aumento de la temperatura mxima. Y
muestran una variacin similar.
En general, se espera mayores calentamientos al sur de Piura de hasta ms de 2C y en las zonas altas
de la regin con una variacin de 1.25C a ms de 2C, la zona central de Piura presentara aumentos
que van de 1C a 1.25C. En otoo (MAM) e invierno (JJA) se tendra aumentos en el litoral costero, de
1.25C a ms de 2C (Ver Figura N18).

50

a)

c)

b)

d)

Figura N18: Distribucin espacial del cambio en la temperatura mxima a nivel estacional a) verano,
b) otoo, c) invierno y d) primavera, para la regin de Piura.

4.1.3 Proyecciones de la Temperatura Mnima


La distribucin espacial anual de la temperatura mnima en la regin de Piura, proyectada al 2030
indica un aumento en toda la regin de manera similar a la temperatura mxima con intensidades
ligeramente mayores. Al sur de la regin (toda la provincia de Sechura) se tendra un aumento de ms
de 2C; mientras que en las zonas altas variara entre 1.25C hasta ms de 2C (Pacaypampa), entre el
norte y centro de Piura se tendra aumentos de entre 1.5C a 1.75C, solo Lancones podra registrar
un aumento de ms de 2C por encima de su normal, como se aprecia en la Figura N19. Nuevamente
la zona costera y las partes altas de la region muestran una mayor intensidad de cambio de la
temperatura minima.

51

Figura N19: Distribucin espacial del cambio en la temperatura mnima anual para la regin de
Piura.

A nivel estacional las proyecciones futuras indican un aumento de la temperatura mnima en toda la
regin durante todo el ao (Ver Figura N20, grficos a, b, c y d).
En verano (DEF) se tendra un aumento de la temperatura mnima en toda la regin, en el sur se
llegaran a registrar aumentos de ms de 2C, en las zonas altas entre 1.25C a ms de 2C y en el resto
de la regin de entre 1.25C a 1.5C.
En otoo (MAM) se tendra un mayor aumento en la zona sur, de ms de 2C, al este entre 1.5C a ms
de 2C y al centro y norte entre 1.25C a 2C.
En invierno (JJA) se experimentara la mayor tasa de aumento de la temperatura mnima del ao, el
sur de Piura y parte de la zona centro experimentara un aumento de ms de 2C, junto con la parte
este de las zonas alta. Al este de la regin, tambin se tendra valores de aumento de 1.25C 1.5C, al
norte un aumento de hasta 2C.
Finalmente en Primavera (SON) en la zona central se tendran aumento de 1C a 1.25C, al este una
variacin de 1.25C a 2C y al oeste se tendra entre 1.25C a ms de 2C.

52

a)

c)
c)

b)

d)
d)

Figura N20: Distribucin espacial del cambio en la temperatura mnima a nivel estacional a) verano,
b) otoo, c) invierno y d) primavera, para la regin de Piura.

4.2 INCERTIDUMBRES
Los cambios anuales estimados de las variables precipitacin y extremos de temperatura centrados en
el ao 2030 son presentados en las Figuras N 21, 22 y 23. El nmero de estaciones vara de acuerdo a
la disponibilidad de informacin y el periodo base trabajado fue 1981-2005. Se utiliz el escenario ms
pesimista que corresponde al escenario de emisin RCP 8.5 y adicionalmente se cont con informacin
de AMICAF/SENAMHI para el escenario de emisin moderada RCP 4.5.
En esta seccin se presenta la comparacin de los cambios generados con diferentes escenarios
disponible para la regin Piura (Ver Cuadro N2) estos cambios consideran diferentes modelos,
mtodos de regionalizacin, escenarios de emisin y resolucin para las variables de precipitacin,
temperatura mxima del aire y temperatura mnima.
53

4.2.1 Cambios en la precipitacin a nivel anual


La precipitacin es una de las variables meteorolgicas de mayor variabilidad temporal, su estimacin
y proyeccin bajo diferentes metodologas y escenarios puede generar un amplio espectro de
respuestas. La evaluacin de los niveles de incertidumbre de este parmetro por lo tanto son bastante
complejos. En el presente tem, evaluaremos los cambios de la precipitacin, en porcentaje, en 3
estaciones analizadas (Morropn, Ayabaca y La Esperanza).
De la Figura N21a se indica que para la estacin Morropn se observa que el modelo patrn (lneas
punteadas) muestra un aumento de la precipitacin casi hasta en 500%, los modelos utilizados en
AMICAF para los dos escenarios corridos (RCP 4.5 y 8.5) tambin muestran un incremento hasta en un
300%, la serie estadstica tambin muestra un incremento de la precipitacin; el WRF es el nico
modelo que muestra una disminucin de la precipitacin a partir del mediados de la dcada 2020s,
para nuevamente aumentar a mediados de la dcada 2030s. En general, la mayora de los escenarios
se muestran consistentes con el aumento de la precipitacin en la estacin de Morropn.
De la Figura N21b, se observa un aumento de la precipitacin muy consistente en el perodo
comprendido entre el 2013-2028, a excepcin del WRF que disminuye en hasta el 2021, y el AMICAF
en sus dos escenarios que vara entre aumentos y disminucin hasta el ao 2028 para luego aumentar
hasta el ao 2045. La serie resultante de la regionalizacin estadstica es la que mayores aumentos de
la precipitacin predice, llegando a casi 500% de cambios por encima de la normal climatolgica.
De la Figura N 21c, para la estacin La Esperanza, se observa que el rango de variabilidad de los
escenarios es muy amplia, coincidiendo en este caso la tendencia positiva de casi todas ellas. Existe
hasta el mediados de la dcada 2020s una menor variabilidad sin embargo ms all de este periodo
los escenarios son muy distante entre s, dando a entender la existencia de una alta incertidumbre en
esta localidad ms all de la dcada 2030s.
b)

a)

)
c)

c)

Figura N21: Cambios estimados en la precipitacin centrados al 2030. a) Estacin Morropn b)


Estacin Ayabaca, c) Estacin La Esperanza

54

4.2.2

Cambios en la temperatura mxima a nivel anual

Los escenarios de temperatura mxima del aire son en general ms concordantes entre s, las
variaciones pueden ser menos dramticas, dependiendo bsicamente de la poca del ao y la
ubicacin del lugar de anlisis. En ese caso evaluaremos los cambios de la temperatura mxima (C)
en 3 estaciones (Ayabaca, Chusis y Mallares).
De la Figura N22a, la estacin de Ayabaca muestra un notorio aumento de la temperatura mxima en
todos los escenarios, siendo ms consistentes en el periodo 2013-2028 con un cambio de hasta 2,5C
lo que nos indica una mayor certidumbre respecto al incremento de la temperatura en dicha localidad.
De la Figura N22b, para el caso de la estacin Chusis se puede observar un notorio aumento de la
temperatura mxima en todos los modelos, es el WRF y el HadGEM los modelos que presentan un
pico de hasta 4C de aumento entre el periodo 2021-2031, sin embargo posterior a este periodo las
variaciones son ms dispersas incrementando la incertidumbre sobre las intensidades proyectadas
para esta localidad.
De la Figura N22c, para la estacin Mallares, se aprecia un aumento en todos los escenarios, bastante
consistente hasta mediados de la dcada 2020s, para luego manteniendo proyecciones de incremento
pero con una mayor dispersin. El WRF a pesar que muestra un aumento, siempre oscila entre altos y
bajos valores (0.5C a 1.5C), las proyecciones del AMICAF son las que muestran aumentos en mayores
rangos (0.5C a 3.5C).

a)

b)

c)

Figura N22: Cambios estimados en la temperatura mxima centrados en el ao 2030. a) Estacin


Ayabaca, b) Chusis y c) Mallares.
55

4.2.3

Cambios en la temperatura mnima a nivel anual

Los escenarios de temperatura mnima del aire presentan caractersticas similares a las proyecciones
de la temperatura mxima. En ese caso evaluaremos los cambios de la temperatura mxima (C) en 3
estaciones (Huancabamba, San Miguel y Morropon).
De la Figura N23a, para la estacin Huancabamba, se observa un aumento de temperatura mnima, a
excepcin del escenario REMO que proyecta una ligera disminucin de temperaturas hasta mediados
de la dcada del 2020, a partir del cual, proyecta incremento continuo. El resto de escenarios muestran
un buen consenso de aumento de hasta 3C de la temperatura mnima.
De la Figura N23b la estacin San Miguel, existe consistencia entre gran parte de los escenarios a
excepcin del escenario alemn REMO que no muestra mayor variacin hasta inicios de la dcada
2030. Las proyecciones en general reflejan una marcada tendencia de aumento.
De la Figura N23c se puede observar las proyecciones de la temperatura mnima la estacin
Morropn, aumentan en una rango en comn, en el periodo 2013-2029, a partir del cual, siguen
aumentando pero con una diferente variabilidad. El escenario alemn REMO es el nico que proyecta
cambios al incremento recin desde la dcada 2030.

a)

b)

a)

c)

Figura N23: Cambios estimados en la temperatura mnima centrados en el ao 2030 de la estacin


Huancabamba (a), San Miguel (b) y Morropn (c).
56

CAPTULO V

CONCLUSIONES

La construccin de los escenarios de precipitacin y temperatura mxima y mnima, se obtuvieron


con en el mtodo del promedio ponderado mediante una interpolacin de correcciones sucesivas
con el mtodo de Cressman (1959), donde se promediaron datos de la regionalizacin estadstica y
dinmica teniendo como modelo global al HadGEM2-ES en un escenario pesimista RCP 8.5.
Previamente se determinaron tendencias climticas actuales e ndices climticos con datos
observados en punto de estacin, con un rcord no menor de 30 aos de datos.
Las conclusiones del presente estudio son las siguientes:

1. En relacin al diagnstico del clima actual.

La tendencia de las precipitaciones en las ltimas dcadas, indican un aumento de las


lluvias, presentando una tendencia positiva anual en toda la regin, a excepcin de la
estacin Chusis, que presenta una tendencia negativa no significativa de -1 mm por
dcada. Solo La Esperanza, Morropn, Ayabaca, Sausal de Culucan, Pananga, Santo
Domingo y Hacienda Bigote, tienen tendencias positivas significativas.
El ndice de precipitacin total (PRCPTOT) viene incrementando en todas las
estaciones, a excepcin de Miraflores, La Esperanza y Chulucanas; mientras que el
ndice de das secos consecutivos (CDD) disminuye en Mallares, La Esperanza, Bernal,
Pananga, Hacienda Bigote, Huancabamba y Sondorillo.
A nivel estacional, lo mayores cambios se dan en las estaciones de verano (DEF) y
otoo (MAM); mientras que, en invierno (JJA) y primavera (SON) no se presentan
grandes cambios.
La tendencia de las temperaturas mximas y mnimas revelan un ligero incremento de
stas, a excepcin de Miraflores y La Esperanza que presentan una disminucin no
significativa a razn de -0.02C por dcada y -0.1C por dcada, para la temperatura
mxima y Chulucanas con una disminucin de -0.01C por dcada para la temperatura
mnima.
A nivel estacional, los cambios de la temperatura mxima, son ms significativos en
los trimestres JJA y SON.
A nivel estacional, los cambios de la temperatura mnima, son ms significativos en
invierno (JJA).
57

La frecuencia de das clidos (Tx90p) aumenta en la regin, a excepcin de La


Esperanza, Sausal de Culucan y Huancabamba.
La frecuencia de noches clidas (Tn90p) aumenta en La Esperanza, Chusis, Morropn,
Ayabaca y Huarmaca, y disminuye en Sausal de Culucan y Huancabamba (ambas
ubicadas al este de Piura, en zonas altoandinas).

2. En relacin a las proyecciones al 2030.

Las proyecciones del clima en la regin de Piura para el 2030 se resume en lo siguiente:
Aumento en zonas costeras y disminucin en zonas por encima de los 500 msnm, de las
precipitaciones. Tambin se proyecta incremento de las temperaturas mximas y mnimas en
toda la regin, aunque es sta ltima la que muestra cambios ms intensos, llegando a tener
aumentos de ms de 2C en todas las estaciones del ao.
Del anlisis estacional, las conclusiones son las siguientes:
Los cambios en la precipitacin en el largo plazo, en general, se tiene aumentos de hasta 210%
por encima de la normal climatolgica, en la zona centro y sur en verano (DEF), otoo (MAM)
y primavera (SON); mientras que se esperan ligeros cambios en las zonas altas de Piura, entre
-10% a 10%. En invierno (JJA) se tienen incrementos en algunos puntos de las zonas altas de
Piura y disminucin de la precipitacin hasta en -10%; mientras que, en primavera (SON) en
las zonas altas se tendran dficit de precipitaciones.
Para la temperatura mxima las proyecciones indican un aumento de 1C a 1.25C en todo el
centro de Piura; mientras que, para las zonas altas predice aumentos que van de 1.5 a 2C; la
zona sur es la que mayores rangos proyectados presenta, que van de 1.5C a ms de 2C en
todas las estaciones del ao.
Las proyecciones de la temperatura mnima muestran que sta variable presenta mayores
aumentos, lo que la hace ms sensible al cambio climtico.
Todas las proyecciones estacionales de la temperatura mnima, indican un mayor aumento en
la zona sur, de hasta ms de 2C, en las zonas altas el aumento vara entre 1.5C a ms de 2C
(Pacaypampa). Los aumentos en la zona centro y sur vara entre 1C a 1.75C.
La evaluacin sobre las incertidumbres asociadas a las proyecciones climticas nos indican que
existe mayor incertidumbre sobre la variable precipitacin que con las temperaturas mximas
y mnimas.
Si bien es consistente el escenario de incremento de lluvias para Piura, las diferencias entre
los escenarios evaluados (WRF, AMICAF, etc.) presentan una mayor dispersin hacia el 2030,
que en el caso de las temperaturas mxima o mnimas para las cuales la seal de
calentamiento es fuerte.

58

CAPTULO VI

BIBLIOGRAFA

Beek, E.G.; Stein, A.; Janssen, L.L.F. (1992) Spatial variability and interpolation of daily
precipitation amount. Stochastic Hydrology and Hydraulics, 6: 304-320.
Bellouin N., Boucher O., Haywood J., Johnson A., Rae J., and Woodward. (2007): Improved
represebtation of aerosols for HadGEM2. Meteorological office Hadley Centre, Technical Note
73, March 2007.
Chou, S. , Lyra, A. , Mouro, C. , Dereczynski, C. , Pilotto, I. , Gomes, J. , Bustamante, J. , Tavares,
P. , Silva, A. , Rodrigues, D. , Campos, D. , Chagas, D. , Sueiro, G. , Siqueira, G. and Marengo, J.
(2014) Assessment of Climate Change over South America under RCP 4.5 and 8.5 Downscaling
Scenarios. American Journal of Climate Change, 3, 512-527. doi: 10.4236/ajcc.2014.35043.
Chou, S. , Lyra, A. , Mouro, C. , Dereczynski, C. , Pilotto, I. , Gomes, J. , Bustamante, J. , Tavares,
P. , Silva, A. , Rodrigues, D. , Campos, D. , Chagas, D. , Sueiro, G. , Siqueira, G. , Nobre, P. and
Marengo, J. (2014) Evaluation of the Eta Simulations Nested in Three Global Climate Models.
American Journal of Climate Change, 3, 438-454. doi: 10.4236/ajcc.2014.35039.
Cressman, G. (1959): An operational Objetive Analysis System. Vol 87. Number 10.
Cubash, U.; Waskewitz, J.; Hegel, G. y Perlwitz, J. (1995): Regional climate changes as simulated
in time-slice experiments. Clim Change 31: 273-304.
Dingman, S. Lawrence; Seely-Reynolds, Diana M.; Reynolds, Robert C. (1988): Application of
kriging to estimating mean annual precipitation in a region of orographic influence. Water
Resources Bulletin, 24(2): 329-339.
Frich, P.; Alexander, L; Della-Marta, P.; Gleason, B.; Haylock, M.; Peterson, T. (2002): Observed
coherent changes in climate extremes during the second half of the twentieh century. Clim.
Res.24: 47-57 pp.
Gaertner, S. L., Bachman, B. A., Dovidio, J. F., & Banker, B. S. (2001). Corporate mergers and
stepfamily marriages: Identity, harmony, and commitment. In M. A. Hogg & D. Terry (Eds.),
Social identity in organizations (pp. 265-288). Oxford, UK: Blackwell.
Giorgi, F. (2008): Regionalization of climate change information for impact assessment and
adaptation.
Hulme, M. and Lu, X. (2000): How to factor interannual climate variability into Climate
Scenarios. A note prepared for the DETR Fast-Track Impacts Group.
IDEAM (2004). Estudio de la Caracterizacin Climtica de Bogot y Cuenca Alta del Ro
Tunjuelo.
IPCC (2007). Cuarto Informe de Evaluacin. Climate Change 2007: The Physical Science Basis.
Alley, R. et al. Eds., Cambridge University Press, Uk, 881 pp.
IPCC (2013). Quinto Informe de Evaluacin. Climate Change: The Physical Science Basis.
Stocker, R. et al. Eds., Cambridge University Press, Uk, 1535 pp.

59

Lowry,W. (1973) OMM N 327. Compendio de apuntes de climatologa para la formacin de


personal meteorolgico clase IV.
Kamiguchi, K.; Kitoh, A.; Uchiyama, T.; Mizuta, R. and Noda, A. (2006): Changes in
precipitation-based extremes indices due to global warming projected by a global 20-kmmesh atmospheric model. Scientific Online Letters on the Atmosphere, 2, 64-67.
Karl, T. R. and D. R. Easterling, 1999: Climate extremes: Selected review and future research
directions. Climatic Change, 42, 309 325.
Kendall, M.G., (1975): Rank Correlation methods, $th Ed., Charles Griffin, London.
Kusunoki, S. et al. (2005): Change of Baiu in global warming projection by an atmospheric
general circulation model with 20-Km grid size. J. Meteor. Soc. Japan. Submitted.
Moss, R. H. et al. (2010): The next generation of scenarios for climate change research and
assessment. Nature 463(7282), 747756.
Ninyerola, M.; Pons, X. y Roure, JM., A methodological approach of climatological modelling
of air temperature and precipitation through GIS techniques. International Journal of
Climatology. Vol. 20, pp. 1823-1841, 2000.
Organizacin Meteorolgica Mundial, OMM (2003). International Meteorological Vocabulary.
WMO N182.
Organizacin Meteorolgica Mundial, OMM (2008). Guide to Hydrological Practices. WMO
N168.
P Kumar, R Podzum, and D Jacob (2009): MPI regional climate model REMO simulations over
South Asia. Geophysical Research Abstracts, Vol. 11, EGU2009-8433, 2009.
Peixoto, J.P. and Oort, A.H. (1922): Physics of Climate. Am. Inst.Physics.
Purca, S. 2005. Variabilidad temporal de baja frecuencia en el Ecosistema de la Corriente
Humboldt frente a Per. Tesis de Doctorado. Universidad de Concepcin, Chile. 32 pp. Anexos
37pp.
Quevedo, K; Snchez, K. (2009) comparacin de dos mtodos de interpolacin para la
estimacin de la temperatura del aire aplicando tcnicas geo- estadsticas. Revista Peruana
Geo-atmosfrica, 90-107.
Sen, P. K. (1968): Estimate of the regression coefficient based on Kendalls tau. Journal of the
American Statistical Association, 63:1379-1389.
SENAMHI, (1988): Mapa de Clasificacin Climtica del Per. Mtodo de Thornthwaite. Eds.
SENAMHI Per, 50 pp.
SENAMHI, (2005): Escenarios de cambio climtico en el Per al 2050: Cuenca del ro Piura.
Autores: Rosas G., Diaz A., Avalos G., Oria C., Acua D., Cornejo A., Metzger L., Fano G., Carrillo
M., Miguel R., PROCLIM. Eds. Senamhi Per, 170 pp.
SENAMHI, (2007): Escenarios de cambio climtico en la cuenca del ro Mantaro para el ao
2100. Autores: valos, G.; Acua, D.; Oria, C.; Metzger L.; Llacza, A. y Miguel, R.; PRAA. Eds.
SENAMHI Per, 124 pp.
SENAMHI, (2008): Escenarios de cambio climtico en el Per para el ao 2030. Autores:
Obregn, G.; Rosas, G.; valos, G.; Daz, A.; Oria, C.; Acua, D.; Metzger L.; Rosas, G y Miguel,
R. Eds. SENAMHI- MINAM, Per, 100 pp.
SENAMHI, (2012): Caracterizacin y variabilidad climtica en las regiones Cusco y Apurmac.
PACC PERU.
60

SENAMHI, (2013): Anlisis del clima actual y futuro en la cuenca del ro Mantaro y sus impactos
en la disponibilidad hdrica y cultivos priorizados en la Subcuenca del ro Shullcas, Junn.
SENAMHI, (2014): Regionalizacin Estadstica de Escenarios climticos en Per al ao 2050.
Proyecto AMICAF.
Silvestri, et al (2008): A high-resolution 43-year atmospheric hindcast for South America
generated with the MPI regional model. DOI 10.1007/s00382-008-0423-5.
Tracton, M. S., and Du, J. (2001): Application of the NCEP/EMC Short-range ensemble forecast
system (SREF) to predicting extreme precipitation events. Pp. 64-65 in Preprints, Symposium
on Precipitation Extremes: Prediction Impacts and Responses, American Meteorological
Society.
Valdivia, J (1977): Meteorologa general.
Wanabe S., Hajima T., Sudo k., Nagashima T., Takemura T., Okajima H., Nozawa T., Kawase H.,
Abe M., Yokohata T., Ise T., Sato H., Kato E., Emori S., Kawasiya M (2011) MITOC-ES, (2010):
Model description and basis results of CMIP5-20c3m experiments. Geoscientific Model
Development 4(4): 845-872, DOI 10.5194/gmd-4-845-2011.
WMO No. 182, International meteorological vocabulary. World Meteorological Organization.
Geneva.1992.
Woodman, R; (1997): El Fenmeno El Nio y el Clima en el Per.

61

ANEXOS

ANEXOS

62

Figura N24: Tendencia de la precipitacin de Bernal

Figura N25: Tendencia de la precipitacin de Chalaco

63

Figura N26: Tendencia de la precipitacin de Chulucanas

Figura N27: Tendencia de precipitacin de Chusis

64

Figura N28: Tendencia de precipitacin de Hacienda Shumaya

Figura N29: Tendencia de precipitacin de Lancones

65

Figura N30: Tendencia de precipitacin de Pacaypampa

Figura N31: Tendencia de temperatura mxima del aire de Huarmaca

66

Figura N32: Tendencia de temperatura mxima del aire de San Miguel.

Figura N33: Tendencia de la temperatura mxima del aire de Sausal de Culucan

67

Figura N34: Tendencia de temperatura mnima del aire de Huancabamba

Figura N35: Tendencia de temperatura mnima del aire de Miraflores


68

MAPAS

MAPAS

69