Académique Documents
Professionnel Documents
Culture Documents
ESCENARIOS
CLIMÁTICOS
DE HONDURAS
Y MÓDULO ACADÉMICO
D E C A PA C I TA C I Ó N
El presente informe forma parte de las consultorías realizadas por
el Programa de las Naciones Unidas para el Desarrollo (PNUD),
para la elaboración de la Tercera Comunicación Nacional sobre
Cambio Climático de Honduras dentro de la Convención Marco
de las Naciones Unidas sobre Cambio Climático (CMNUCC).
OCTUBRE 2018
DESARROLLO DE LOS
ESCENARIOS
CLIMÁTICOS
DE HONDURAS
Y MÓDULO ACADÉMICO
D E C A PA C I TA C I Ó N
Sdp/00090482/001-2017
OCTUBRE 2018
Preparado por
Carlos Eduardo Navarro Racines (CIAT)
Fredy Alexander Monserrate Rojas (CIAT)
Lizeth Llanos Herrera (CIAT)
Diego Obando Bonilla (CIAT)
Juana Marcela Córdoba Sánchez (CIAT)
Revisado por
Luis Carlos Guardiola Gómez (PTCN/MiAmbiente)
Cita correcta:
Navarro-Racines, C., Monserrate, F., Llanos-Herrera, L, Obando, D. Córdoba, J. (2018)
Desarrollo de los Escenarios Climáticos de Honduras y Módulo Académico de Capacitación.
Centro Internacional de Agricultura Tropical (CIAT); Programa de las Naciones Unidas para el
Desarrollo (PNUD); Dirección Nacional de Cambio Climático de MiAmbiente. 140p.
Contenido
Acrónimos ..................................................................................................................................... 10
3
Línea base o normal climatológica a nivel mensual ................................................................. 93
4
Lista de Figuras
5
Figura 12. Temperatura media anual (arriba) y estacional (abajo) de referencia. Mapas derivados
de la interpolación de datos de estaciones meteorológicas de diversas fuentes. Valores en grados
Celsius. .......................................................................................................................................... 32
Figura 13. Validación cruzada de la interpolación de las superficies climáticas mensuales de
Honduras para la precipitación acumulada mensual (A y D), temperatura máxima (B y E),
temperatura mínima mensual (C y F). A-C muestra la variación del coeficiente de determinación
R2 y las Figuras D-F del error cuadrático medio ECM. Línea roja punteada 50% y continua 75%
del métrico. ................................................................................................................................... 33
Figura 14. Cambio de la temperatura global (media y desviación estándar) en relación a 1986-2005
para los escenarios SRES (CMIP3) y los escenarios de RCP (CMIP5). El número de modelos se
indica entre paréntesis. Los diagramas de caja (media, desviación estándar, y el mínimo a máximo
rango) se dan para 2080-2099 para CMIP5 (colores) y para el modelo MAGICC calibrado para 19
modelos CMIP3 (negro). Fuente: Knutti & Sedláček (2012). ...................................................... 35
Figura 15. Cambios proyectados en precipitación (arriba), temperatura mínima (medio) y
temperatura máxima estacional (abajo) para 2030s, 2050s y 2080s bajo el escenario RCP 2.6. . 39
Figura 16. Cambios proyectados en precipitación (arriba), temperatura mínima (medio) y
temperatura máxima estacional (abajo) para 2030s, 2050s y 2080s bajo el escenario RCP 4.5. . 40
Figura 17. Cambios proyectados en precipitación (arriba), temperatura mínima (medio) y
temperatura máxima estacional (abajo) para 2030s, 2050s y 2080s bajo el escenario RCP 6.0. . 41
Figura 18. Cambios proyectados en precipitación (arriba), temperatura mínima (medio) y
temperatura máxima estacional (abajo) para 2030s, 2050s y 2080s bajo el escenario RCP 8.5. . 42
Figura 19. Comparación (R2 arriba y EMC abajo) de la climatología observada (Superficies
interpoladas [LB] y estaciones meteorológicas [ST]) para Honduras. Precipitación acumulada
(izquierda) y temperatura media (derecha) anual (ANU) y trimestral (DEF, MAM, JJA, SON). 44
Figura 20. Cambios proyectados en radiación solar (arriba) y velocidad media del viento (abajo)
para 2030s, 2050s y 2080s bajo el escenario RCP 2.6.................................................................. 45
Figura 21. Cambios proyectados en radiación solar (arriba) y velocidad media del viento (abajo)
para 2030s, 2050s y 2080s bajo el escenario RCP 4.5.................................................................. 46
Figura 22. Cambios proyectados en radiación solar (arriba) y velocidad media del viento (abajo)
para 2030s, 2050s y 2080s bajo el escenario RCP 6.0.................................................................. 46
6
Figura 23. Cambios proyectados en radiación solar (arriba) y velocidad media del viento (abajo)
para 2030s, 2050s y 2080s bajo el escenario RCP 8.5.................................................................. 47
Figura 24. Incertidumbres en la proyección de precipitación total para RCP 8.5 en 2050s.
Izquierda: A) Cambio en precipitación total de un promedio de 18 GCMs. B) promedio del primer
cuartil (25%), C) promedio del tercer cuartil (75%), y D) fracción de GCMs en acuerdo con la
dirección del cambio medio de la precipitación. Derecha: Dispersión de GCMs (sombreado) entre
diferentes escenarios y periodos y media de todos los modelos (línea azul). .............................. 48
Figura 25. Incertidumbres en la proyección de temperatura media anual para RCP 8.5 en 2050s.
A) Cambio en temperatura media anual de un promedio de 18 GCMs. B) promedio del primer
cuartil (25%), C) promedio del tercer cuartil (75%), y D) desviación estándar. Dispersión de GCMs
(sombreado) entre diferentes escenarios y periodos y media de todos los modelos (línea naranja).
....................................................................................................................................................... 49
Figura 26. Ilustración del proceso de reducción a escala con la temperatura máxima de enero
utilizando el GCM BCCR-BCM 2.0: (a) datos de referencia, (b) datos futuros para 2050 (promedio
2040-2069), (c) delta o anomalía para 2050 , (d) delta o anomalía para el 2050 con los centroides
GCM (puntos) superpuestos, (e) anomalías interpoladas 30 segundos de arco, y (e) superficie
climática reducida a escala futura a una resolución espacial de 30 segundos de arco. Tomado de
Ramírez-Villegas et al. (2010a). ................................................................................................... 52
Figura 27. Componentes de las fichas de cambio climático de las subregiones de desarrollo. .... 53
Figura 28. Aumento del nivel del futuro, bajo RCP 4.5 y 8.5. Evolución en horizontes de tiempo.
....................................................................................................................................................... 87
Figura 29. Aumento del nivel del mar histórico (desde 1993) y futuro, bajo los RCP 4.5 y 8.5.
Evolución año tras año hasta fin de siglo...................................................................................... 88
Figura 30. Acceso a las capas SIG e Información en la Plataforma Agua de Honduras
https://aguadehonduras.gob.hn/descargas.html ............................................................................ 92
Figura 31. Información meteorológica de Honduras disponible a través del portal CCAFS-Climate.
....................................................................................................................................................... 94
Figura 32. Aplicación web desarrollada en la plataforma Agua de Honduras para consultar los
resultados de los escenarios de cambio Climático de Honduras................................................... 99
Figura 33. Gestión de la Información hidroclimática en Honduras (Peña, 2016). ..................... 109
7
Lista de Tablas
Tabla 1. Regiones de desarrollo de la República de Honduras y cuencas que las componen. ..... 16
Tabla 2. Número de estaciones por fuente y variable antes y después del control de calidad. .... 23
Tabla 3. Descripción y referencias de las cuatro familias de RCP ............................................... 34
Tabla 4. Modelos de Circulación General (GCM) empleados en la Tercera Comunicación ....... 37
Tabla 5. Comparación de escenarios de cambio climático generados para Honduras ................. 89
Tabla 6. Acrónimos de las variables, RCPs, Temporadas y periodos generadas ......................... 92
Tabla 7. Metadatos para la plataforma Dataverse de la línea base climática o normal climatológica.
....................................................................................................................................................... 93
Tabla 8. Metadatos para la plataforma Dataverse de los escenarios de cambio climático de la
plataforma continental en Honduras ............................................................................................. 95
Tabla 9. Metadatos para la plataforma Dataverse de los escenarios de cambio climático de la
plataforma oceánica en Honduras ................................................................................................. 98
Tabla 10. Actualización del análisis de la situación de la información hidro-meteorológica en
Honduras de acuerdo al esquema planteado por Peña (2016) con la visión del CIAT ............... 110
8
Lista de Anexos
Anexo 1. Listado general de estaciones con información de precipitación empleadas en el
desarrollo de la línea base climatológica luego del control de calidad ....................................... 120
Anexo 2. Listado general de estaciones con información de temperatura empleadas en el desarrollo
de la línea base climatológica luego del control de calidad ........................................................ 122
Anexo 3. Disponibilidad de datos de estaciones de DGRH........................................................ 123
Anexo 4. Disponibilidad de datos de estaciones de COPECO ................................................... 124
Anexo 5. Disponibilidad de datos de estaciones de ENEE ......................................................... 125
Anexo 6. Disponibilidad de datos de estaciones de SANAA ..................................................... 126
Anexo 7. Guía de consulta de estaciones meteorológicas procesadas por CIAT para CENAOS-
COPECO ..................................................................................................................................... 127
Anexo 8. Guía de consulta de estaciones meteorológicas procesadas por CIAT para INETER
(Nicaragua) ................................................................................................................................. 129
Anexo 9. Guía de consulta de estaciones meteorológicas procesadas por CIAT para SANAA 131
Anexo 10. Agenda módulo de capacitación a expertos .............................................................. 132
Anexo 11. Agenda módulo de capacitación a tomadores de decisión ........................................ 135
Anexo 12. Registro fotográfico del módulo académico de capacitación presencial en la EAP
Zamorano y el centro interactivo de mi Ambiente+ ................................................................... 137
9
Acrónimos
10
Antecedentes
En el año 2015 se inició el proceso de elaboración del Plan Nacional de Adaptación (PNA), el cual
se consolidó en el 2016 como un proceso de consulta participativa que involucró a los diversos
actores de la sociedad hondureña y sectores gubernamentales, considerando las experiencias
previas y conocimientos tradicionales y científicos. El PNA Sirve como un instrumento estratégico
que visualiza la adaptación al cambio climático como un proceso de desarrollo que ubica a las
personas en el centro de la intervención y que forma parte del Sistema Nacional de Planificación.
En 2017, Honduras pasó a formar parte de la NDC Partnership, una coalición global que trabaja
para mejorar la implementación de compromisos climáticos y en 2018, la Oficina Presidencial de
Cambio Climático y la Secretaría de Recursos Naturales y Ambiente de la República de Honduras,
aprobaron el plan de acción del país para cumplir sus compromisos con el Acuerdo de París,
convirtiéndola en el primer país miembro del NDC Partnership para desarrollar y finalizar un Plan
de Acción del NDC Partnership.
11
Comunicación Nacional (SERNA, 2000) Honduras participó en la ejecución de un proyecto
centroamericano de cambio climático financiado por la Agencia de Protección Ambiental de los
Estados Unidos en 1998. Se realizaron estudios de vulnerabilidad de los recursos hídricos,
agrometeorología y los recursos marinos costeros al cambio climático.
12
Introducción
Cumpliendo con los compromisos adquiridos ante la Convención Marco de las Naciones Unidas
sobre el Cambio Climático (CMNUCC), Honduras avanza en la generación de la Tercera
Comunicación de Cambio Climático, donde se informe a las Naciones Unidas sobre los avances
de la gestión en cuanto a cambio climático. El cambio climático se ha convertido en una
preocupación importante en todo el mundo y para adaptarse a sus impactos, primero se deben
entender los cambios esperados. Las comunicaciones nacionales son la principal fuente de
información sobre el posible comportamiento del cambio climático a futuro, y fuente obligada de
consulta para el desarrollo de acciones nacionales, regionales y locales.
Uno de los elementos base para comprender qué podría ocurrir con el clima a futuro viene de los
escenarios de cambio climático. De acuerdo con el IPCC (2007) un escenario de cambio climático
es la representación posible y generalmente simplificada del posible clima futuro. Los escenarios
son utilizados como base para el planeamiento estratégico y pueden requerirse para: ilustrar el
cambio climático, proyectar de las consecuencias potenciales del cambio climático, el
planeamiento estratégico ante riesgos de incrementos de nivel del mar y de inundaciones y
desarrollar políticas de control de las emisiones y de adaptación.
13
controles de calidad estadísticos y complementación de datos faltantes apoyados en datos
satelitales.
En la generación de datos de cambio climático futuro, se emplearon las salidas de las simulaciones
más recientes de GCM corridas sobre cuatro escenarios de emisiones denominados Caminos
Representativos de Concentración (RCP, por sus siglas en inglés). Se proyectaron horizontes de
corto, mediano y largo plazo (2030s, 2050s y 2080s), relevantes para toma de decisión en gestión
ambiental, salud pública, energía y agrícola. Se generaron resultados detallados y agregados por
cada una de las 16 subregiones de desarrollo establecidas en el marco conceptual del Plan de
Nación y Visión de país (CNEG, 2010). Se muestran los cambios en precipitación y temperatura
mínima y máxima mensual, a nivel nacional y regional. De la misma, manera se hicieron
proyecciones del aumento del nivel del mar a futuro.
Para la apropiación de la información por parte de los actores nacionales, especialmente tomadores
de decisión, se desarrolló un módulo académico de capacitación, una aplicación web para consultar
los resultados de escenarios y fichas regionales que resumen los posibles impactos del cambio en
el clima sobre los diversos medios de vida de cada región de desarrollo.
El presente informe forma parte de las consultorías realizadas por el Programa de las Naciones
Unidas para el Desarrollo (PNUD), para la elaboración de la Tercera Comunicación Nacional
sobre Cambio Climático de Honduras dentro de la Convención Marco de las Naciones Unidas
sobre Cambio Climático (CMNUCC).
14
Área de Estudio
Se considera todo el territorio de Honduras incluyendo la zona insular para el estudio. Para la
caracterización del clima se recolectó información de estaciones meteorológicas en todo el
territorio del país sumado a recursos de información de Guatemala, El Salvador y Nicaragua. Para
la generación de las superficies climáticas de referencia fue utilizado un marco de interpolación
mayor al territorio de Honduras para asegurar que los recursos de información o estaciones
climáticas de otros países se incluyeran (12.3-16.8°N de latitud y ~90-83° W de longitud).
Para línea base de referencia y las proyecciones de cambio climático, se generaron superficies de
1 km de resolución y se hicieron análisis regionales tomamos como referencia las 16 subregiones
de desarrollo del país delimitadas en el marco conceptual Visión de País 2010 – 2038 (CNEG,
2010). La Tabla 1 y Figura 1 muestran la organización de las regiones y las cuencas hidrográficas
que las componen. Estas regiones fueron planteadas de acuerdo a la organización del territorio en
grandes corrientes de agua, las cuales también definen regiones de desarrollo socioeconómico. La
división está basada variables socio-económicas y en las cuencas hidrográficas del país. Las 16
subregiones se tomarán como base para la elaboración de fichas regionales de cambio climático.
Figura 1. Regiones de desarrollo según Plan de Nación de la República de Honduras empleadas en los
análisis de clima histórico y futuro.
15
Tabla 1. Regiones de desarrollo de la República de Honduras y cuencas que las componen.
La caracterización del clima de un lugar determinado se realiza a partir de la estadística del tiempo
atmosférico en un periodo de tiempo prolongado. En la ciencia del clima, es común el uso de
normales climatológicas que hacen referencia al valor medio de un elemento climático durante un
lapso de tiempo de al menos 30 años (WMO, 2012). Las normales climatológicas constituyen una
base con la que se puede evaluar las condiciones del clima en una zona, comparar las observaciones
presentes o recientes, y en particular para fundamentar muchos conjuntos de datos basados en
anomalías (e.g. escenarios de cambio climático). El procedimiento de definición de una normal
climatológica de acuerdo a lo recomendado por la organización meteorológica mundial (WMO,
16
2012), es el procedimiento propuesto por el IPCC1 que permite establecer una referencia estándar
para evaluar los impactos del cambio climático.
Como el clima varía naturalmente de un año a otro se utilizan medias de 30 años de temperaturas,
precipitaciones, humedad y otras variables para definir, por ejemplo, la magnitud de una ola de
calor o una tormenta en el contexto histórico. Recientemente, el aumento de las concentraciones
atmosféricas de gases de efecto invernadero está cambiando el clima de la tierra mucho más rápido,
por consiguiente, es necesario calcular normales utilizando periodos de 30 años recientes
(Williams, 2014), tales como 1971-2000 o 1981-2010.
1
http://www.ipcc.ch/ipccreports/tar/wg2/index.php?idp=144
17
Manejo de la información meteorológica
18
El Ministerio de Medio Ambiente y Recursos Naturales de El Salvador (MARN).
El Instituto Nacional de Sismología, Vulcanología, Meteorología e Hidrología de
Guatemala (INSIVUMEH).
La Red Global de Climatología Histórica (GHCN, siglas en inglés).
El Resumen diario de Superficie Global (GSOD, siglas en inglés).
Tras la recopilación de la información y dado que cada una de las instituciones utiliza su
información para diferentes propósitos y la almacenan en diferentes formatos, se realizó una
estandarización de los datos. Así mismo, para asegurar la calidad de la información se diseñó un
esquema de control de calidad de los datos con el que se depuraron datos erróneos o dudosos
relacionados con problemas en la observación realizada por el lector meteorológico y/o
errores de digitalización o transcripción de la información. Posterior a eso, rellenamos datos
faltantes empleando métodos estadísticos. Los códigos de programación para el reformateo de los
datos, control de calidad y rellenado de datos faltantes se encuentran en un repositorio de GitHub2
del estudio.
Para el análisis de control de calidad se aplicaron los 5 filtros que son descritos a continuación:
Control 2. Consistencia interna entre las temperaturas mínimas y máximas: Con este filtro
se verifica que en el mismo día no se presenten temperaturas mínimas mayores a las
máximas, de ser así, se procede a reemplazar por dato faltante.
2
https://github.com/CIAT-DAPA/usaid_hnd
19
Control 3. Valores atípicos (mensual y anual): Se definen como los valores mayores al
tercer cuartil (Q3) más 5 veces el rango intercuartílico (RIQ) o menor que el primer cuartil
(Q1) menos 5 veces el RIQ.
Control 4. Días consecutivos con igual valor: Se identifican rachas de 5 días o más con
valores iguales. Éstos pasan a ser dato faltante. Para el caso de precipitación no se tienen
en cuenta los días consecutivos con 0 mm.
Control 5. Diferencias entre observaciones consecutivas: Este filtro solo aplica para las
temperaturas diarias, se verifica que de un día a otro consecutivo no se presenten
diferencias mayores a 15 grados Celsius.
Otros controles estadísticos como los de homogeneidad u otros no fueron realizados debido a la
ausencia de la información necesaria. Es así como, en los casos en los que la historia de la estación
está bien documentada y se han efectuado suficientes mediciones paralelas respecto de los cambios
de emplazamiento, instrumentos, u observador, podría procederse a una homogeneización basada
en esa información cualitativa y cuantitativa. El archivo de todos los metadatos históricos es de
suma importancia para homogeneizar eficazmente las series temporales de datos climatológicos y
todos los servicios meteorológicos deberían prestarle especial atención (OMM, 2011). En el caso
de estudio, no se realizó análisis de homogeneidad, debido a que no se contaba con información
de los metadatos de las estaciones meteorológicas, que son fundamentales para apoyar los test
estadísticos que se utilizan para detectar cambios en la serie.
20
Figura 2. Detección de errores en la serie de tiempo de temperatura máxima diaria para la estación
Tela-78706 (CENAOS-COPECO; arriba) y de precipitación acumulada diaria para la estación San
Francisco JFK – 27013 (DGRH-SERNA; abajo).
21
Figura 3. Detección de datos atípicos a nivel mensual y anual de precipitación para la estación de
Olanchito (Red CENAOS-COPECO).
Todos los pasos mencionados del control de calidad se encuentran compilados en el paquete
RClimTool (Llanos-Herrera, 2014), el cual identifica y corrige los errores en los datos de
estaciones. Solo las estaciones con menos del 40% de datos faltantes fueron seleccionadas para el
análisis de línea base. Se seleccionó el periodo 1981-2010, con el periodo de referencia de línea
base, puesto que contenía el mayor porcentaje de información asociada a las estaciones y es el
periodo de la normal climatológica histórica más reciente. El número total de estaciones
meteorológicas antes y después de ese proceso se muestra en la Tabla 2 y la lista de estaciones
después del procesamiento de control de calidad figura en el Anexo 1.
22
Tabla 2. Número de estaciones por fuente y variable antes y después del control de calidad.
DGRH 121 59 24 - 24 -
COPECO 33 29 14 14 14 14
SANAA 8 8 3 - 3 -
ENEE 39 39 8 8 8 8
MARN 25 25 25 25 25 25
INSIVUMEH 8 8 - - - -
GHCN 33 3 5 5 5 5
GSOD 12 - 12 - 12 -
Llenado de datos
Una vez hecho el análisis de control de calidad de todas las estaciones recolectadas, aplicamos una
metodología de llenado de datos faltantes basada en datos derivados de satélite y de reanalisis.
Para precipitación la metodología genera un modelo de regresión lineal entre las observaciones
con control de calidad y lo observado por CHIRPS (Climate Hazards group Infrared Precipitation
with Stations, siglas en inglés; Funk et al., 2015) para el punto de localización de la estación. Para
las estaciones con buen ajuste del modelo lineal (R2 >0.4), se predicen los valores de precipitación
basados en el modelo ajustado para la estación a escala mensual. Se descargaron datos de CHIRPS
para el período 1981-20103 a 0.05º (~5km) de resolución. Un ejemplo de los resultados de este
proceso se muestra en la Figura 4, donde se presentan los datos de precipitación para la estación
3
Disponibles en ftp://ftp.chg.ucsb.edu/pub/org/chg/products/CHIRPS-2.0
23
21 de Octubre – 56035 (CENAOS-COPECO) y su respectivo ajuste utilizando los datos de
CHIRPS, los cuales explican un 78% del total de la variabilidad para esta estación (R2= 0.78).
4
https://github.com/CIAT-DAPA/usaid_hnd
24
Distribución espacial de las observaciones
La distribución espacial de las estaciones meteorológicas resultantes tras los procesos de control
de calidad y llenado de datos faltantes para Honduras se muestra en la Figura 6 y Figura 6. Los
mapas muestran que la mayoría de las estaciones están ubicadas al oeste del país tanto para
precipitación como para temperatura. El conjunto de datos más grande proviene de DGRH
dispersos por todo el territorio, con baja densidad en llanuras por debajo de 200 msnm y bosques.
Considerando esta y otras fuentes de información, se obtienen 135 estaciones con precipitación y
22 con temperatura (máxima y mínima) dentro de los límites del país (vea un listado completo de
estaciones después del control de calidad en los Anexo 1-2).
La red meteorológica hondureña denota una densidad de una estación en 830 km2 para
precipitación y 5113 km2 para temperatura. Aproximadamente un 90% de las estaciones se
encuentran debajo de los 1000 msnm. Así mismo, gran cantidad de estaciones tienen series de
tiempo incompletas, siendo algunos casos, inferiores a un año de datos (vea Anexo 3-Anexo 6).
Esto factores hacen ver la necesidad de complementar la base de datos con otras redes regionales
y globales. Sumando datos provenientes de INETER (Nicaragua), MARN (El Salvador),
INSIVUMEH (Guatemala), GHCN (global) y GSOD (global) se obtiene una base de datos final
con 282 estaciones de precipitación y 69 de temperatura (Anexo 1-2).
25
Figura 5. Distribución de las estaciones meteorológicas recopiladas de diversas fuentes, para
precipitación (arriba) y para temperatura (abajo).
26
Clima de referencia
Para el desarrollo del clima de referencia se interpolaron las estaciones siguiendo el procedimiento
descrito por Hijmans et al (2005), empleando el algoritmo ANUSPLIN versión 4.4, el cual utiliza
una técnica de suavizado denominada thin-plate spline para la interpolación espacial de datos
multivariados y ruidosos, aprobada por la OMM. Se hizo una interpolación de segundo orden
empleando latitud, longitud y elevación como variables independientes. Se usó el modelo de
elevación digital CGIAR SRTM (Jarvis et al., 2008b). A fin de evaluar el desempeño en la
interpolación se hicieron comparaciones entre los datos de estaciones de la línea base original y
datos de estaciones de las nuevas superficies interpoladas (observados vs. interpolados).
Adicionalmente, se realizó un método de validación cruzada, usando k =25 como una cantidad
aceptable de iteraciones y un porcentaje de test/train de 25/75 para analizar el error. Los códigos
para generar la interpolación y todos los métodos aquí descritos se encuentran en el repositorio de
códigos de GitHub mencionado anteriormente.
27
espacial de 1 km2 permite capturar la variedad ambiental que se puede perder a bajas resoluciones,
particularmente en las montañas.
Los mapas generados muestran la distribución típica de las lluvias hondureñas, principalmente
monomodal. La temporada de lluvias en el país comienza en Mayo y concluye en Noviembre. En
JJA y SON, las lluvias son generalizadas con mayores volúmenes de agua en altitudes elevadas (>
1600 msnm) y menores en las zonas más planas. El trimestre DEF muestra sequía estacional en la
mayor parte del país. La estación seca comienza en Noviembre, cuando la lluvia ha disminuido.
En las zonas montañosas y el litoral pacífico (Golfo de Fonseca) durante la estación lluviosa se
presenta una disminución en la precipitación en un período conocido como Canícula o veranillo,
el cual se puede apreciar en los meses de Julio y Agosto, hacia el centro y sur del país (Argeñal,
2010).
Debido a la posición geográfica tropical de Honduras, la cantidad de sol recibida durante el año es
prácticamente la misma, lo que produce que la temperatura es homogénea entre meses. Algunas
variaciones se producen por la cercanía al mar y por su altitud. Al comienzo de la estación seca
los frentes fríos provenientes del norte suelen llegar durante toda la temporada hasta los meses de
Marzo o Abril. En consecuencia, la temperatura es más baja en el trimestre Diciembre-Enero-
Febrero y aumenta en el resto de los meses. Las temperaturas medias más bajas se presentan en el
mes de Diciembre y oscilan entre 8°C, en las partes altas de la sierra de Celaque, hasta 28°C en
las planicies del sur, mientras que el mes más caliente es el de abril donde las temperaturas medias
oscilan desde los 10°C en las partes altas de la sierra de Celaque hasta 31°C en las planicies del
sur (Argeñal, 2010). En junio la temperatura más alta de toda Honduras se registra en el Valle de
Sula, eso se debe a que es hasta en este mes que se inicia la temporada lluviosa en la región
noroccidental.
28
Figura 7. Precipitación acumulada mensual de referencia (línea base). Mapas derivados de la
interpolación de datos de estaciones meteorológicas de diversas fuentes. Valores en mm/mes.
Figura 8. Temperatura mínima mensual de referencia (línea base). Mapas derivados de la interpolación
de datos de estaciones meteorológicas de diversas fuentes. Valores en grados Celsius.
29
Figura 9. Temperatura media mensual de referencia (línea base). Mapas derivados de la interpolación de
datos de estaciones meteorológicas de diversas fuentes. Valores en grados Celsius.
Figura 10. Temperatura máxima mensual de referencia (línea base). Mapas derivados de la interpolación
de datos de estaciones meteorológicas de diversas fuentes. Valores en grados Celsius.
30
Figura 11. Precipitación acumulada anual (arriba) y estacional (abajo) de referencia. Mapas derivados
de la interpolación de datos de estaciones meteorológicas de diversas fuentes. Valores en mm.
31
Figura 12. Temperatura media anual (arriba) y estacional (abajo) de referencia. Mapas derivados de la
interpolación de datos de estaciones meteorológicas de diversas fuentes. Valores en grados Celsius.
32
La Figura 13. muestra una evaluación el rendimiento del algoritmo de interpolación a través de la
validación cruzada. La precipitación acumulada mensual para los datos modelados y observados
muestra un coeficiente de determinación (R2) mayor a 0.5 (50%; línea punteada roja) en la mayoría
de meses y 0.75 (75%; línea roja continua) en los meses más secos (Noviembre-Marzo). La
variación del R2 es alta en todos los meses y más baja en los meses más húmedos. Pese a ello, el
Error Medio Cuadrático (EMC) sigue siendo bajo, especialmente en los meses más secos (<40
mm; línea roja punteada). El coeficiente R2 a lo largo de los meses es más alto para la temperatura
mínima y más bajo para la temperatura máxima, sin embargo, el error permanece por debajo de
0.3 ° C en ambos casos, mostrando una amplia confidencia del algoritmo de interpolación.
Figura 13. Validación cruzada de la interpolación de las superficies climáticas mensuales de Honduras
para la precipitación acumulada mensual (A y D), temperatura máxima (B y E), temperatura mínima
mensual (C y F). A-C muestra la variación del coeficiente de determinación R2 y las Figuras D-F del
error cuadrático medio ECM. Línea roja punteada 50% y continua 75% del métrico.
33
Proyecciones futuras
Escenarios de emisiones
Nunca se sabrá exactamente como las emisiones antropogénicas cambiarán el futuro, sin embargo,
el IPCC (Panel Intergubernamental de Cambio Climático) ha desarrollado cuatro familias de
escenarios para el Quinto Reporte de Evaluación (IPCC, 2013) denominadas Caminos
Representativos de Concentración (RCP, siglas en inglés), denominados así: RCP 8.5, RCP 6.0,
RCP 4.5 y RCP 2.6 (vea una descripción en la Tabla 3). Los números se refieren a los valores de
forzamiento radiativo al 2100 relativos a los valores pre-industriales.
34
En el marco de la Tercera Comunicación Nacional, se hicieron proyecciones de cambio climático
para los horizontes de tiempo de corto, mediano y largo plazo. Se trabajan en promedios de 30
años futuros, delimitados así: 2020-2049 (2030s), 2040-2069 (2050s) y 2070-2099 (2080s). Como
lo muestra la Figura 14, hacia los periodos de tiempo más lejanos temperatura global no convergen
en relación con el modelo de cambio medio para un escenario dado. Por tal motivo, se consideraron
todo el abanico de los 4 RCPs (2.6, 4.5, 6.0 y 8.5) en la generación de las proyecciones. No se
realizaran series de tiempo de los periodos porque el objetivo es analizar el cambio climático
progresivo.
Figura 14. Cambio de la temperatura global (media y desviación estándar) en relación a 1986-2005 para
los escenarios SRES (CMIP3) y los escenarios de RCP (CMIP5). El número de modelos se indica entre
paréntesis. Los diagramas de caja (media, desviación estándar, y el mínimo a máximo rango) se dan para
2080-2099 para CMIP5 (colores) y para el modelo MAGICC calibrado para 19 modelos CMIP3 (negro).
Fuente: Knutti & Sedláček (2012).
35
Modelos Generales de Circulación
Para estimar los efectos que las emisiones establecidas por los escenarios tienen sobre el clima
global, se emplean los Modelos Climáticos Globales (GCM, siglas en inglés). Los GCMs
describen importantes elementos y procesos en la atmósfera, los océanos y la superficie de la tierra.
Son algoritmos que simulan los procesos terrestres a escala mundial, basado de una serie de fuerzas
motrices (población, economía, tecnología, energía, uso del suelo, agricultura).
La mayoría de los GCMs simulan amplias características de clima y pueden mostrar los cambios
de gran escala observados en el pasado reciente, de manera que puede ser usado con alguna
confianza para dar proyecciones de la respuesta de clima a la actual y futura actividad humana.
Los componentes principales de los modelos globales son: atmósfera, océano, suelo y hielo de
mar, los cuales han sido gradualmente integrados y acoplados. Los escenarios climáticos basados
en la salida de los GCMs son la mayor fuente de información para las investigaciones climáticas.
Cada variable de salida de un GCM se ejecuta en un determinado escenario de emisiones, en una
resolución espacial de 3 a 5 grados.
Idealmente, la generación de escenarios de cambio climático se debe realizar utilizando las salidas
de una amplia gama de modelos climáticos con el fin de representar las incertidumbres que
conlleva el uso de diferentes escenarios de emisiones, estructuras de los modelos, esquemas de
parametrización y variabilidad climática (Lobell & Burke, 2010; Schlenker & Lobell, 2010). La
selección de los escenarios y los modelos siempre representa un desafío científico, principalmente
debido a la dificultad de entender y cuantificar las incertidumbres las cuales están relacionadas
con los factores de cambio (i.e. las fuentes y los sumideros de gases antropogénicos de efecto
invernadero y aerosoles) y la respuesta del sistema climático a estos factores (Mote et al., 2011).
Todo ello provoca un amplio rango de dispersión entre escenarios de emisiones e incertidumbre
entre los modelos (Figura 14).
36
Debido a la baja convergencia entre GCM para un escenario dado, se emplearon la mayor cantidad
de GCMs disponibles para los 4 RCPs, con un total de 18 modelos (Tabla 4).
37
Cambios proyectados
Figura 15 a 18 muestran los cambios proyectados en el clima para la República de Honduras para
precipitación, temperatura mínima y máxima considerando tres periodos futuros (filas) y
temporadas (columnas). Cada Figura corresponde a un RCP diferente, desde el más optimista al
más pesimista. A continuación describimos el panorama general de las proyecciones de cambio
climático y en la sección Fichas Regionales se ofrece un análisis en detalle por las 16 regiones de
desarrollo.
38
Figura 15. Cambios proyectados en precipitación (arriba), temperatura mínima (medio) y temperatura
máxima estacional (abajo) para 2030s, 2050s y 2080s bajo el escenario RCP 2.6.
39
Figura 16. Cambios proyectados en precipitación (arriba), temperatura mínima (medio) y temperatura
máxima estacional (abajo) para 2030s, 2050s y 2080s bajo el escenario RCP 4.5.
40
Figura 17. Cambios proyectados en precipitación (arriba), temperatura mínima (medio) y temperatura
máxima estacional (abajo) para 2030s, 2050s y 2080s bajo el escenario RCP 6.0.
41
Figura 18. Cambios proyectados en precipitación (arriba), temperatura mínima (medio) y temperatura
máxima estacional (abajo) para 2030s, 2050s y 2080s bajo el escenario RCP 8.5.
42
Precisión de los modelos
Para evaluar cuán bien los GCMs representan las condiciones de observadas en el clima se realizó
un análisis de comparación de los datos de GCM (evaluando el coeficiente de correlación R2 y el
error medio cuadrático ECM) y los datos de observaciones (Línea Base LB y Estaciones
Meteorológicas ST) en el periodo histórico 1981-2010. La Figura 19 resume los resultados.
Para pocos GCMs la correlación es menor a 0.5 en precipitación y en ninguno para temperatura.
En precipitación la correlación muestra ser menor hacia los meses de Marzo-Abril-Mayo, donde
los GCMs sobrestiman la precipitación y en Junio-Julio-Agosto, donde el efecto es de
subestimación. En temperatura el rendimiento se mantiene por encima del 98% de correlación en
todos los modelos. Los dos modelos con más bajo rendimiento en precipitación son el modelo
estadounidense GISS E2 R y el modelo japonés MRI CGCM3. El Error Medio Cuadrático (EMC)
es bajo en todas las temporadas, salvo a nivel anual donde hay una marcada diferencia entre las
observaciones de la línea base y las salidas de los modelos. Así mismo en la temporada Junio-
Julio-Agosto, el error es relativamente mayor en precipitación.
Si bien los análisis de correlación indican que hay unos modelos más fuertemente correlacionados
que otros, no muestran con claridad que haya un acuerdo entre modelos. Adicionalmente, hay que
advertir que el hecho de que un modelo no tenga buen rendimiento en línea base, no indicaría que
no hiciera una buena proyección futura. Debido a estas razones, se tomó cada GCM
individualmente para hacer el downscaling y todo el rango de modelos hacer el ensamblaje
(promedio), sin pesar o hacer promedios ponderados.
43
PRECPITACIÓN ACUMULADA TEMPERATURA MEDIA
ANU DEF MAM JJA SON ANU DEF MAM JJA SON
MODEL
LB ST LB ST LB ST LB ST LB ST LB ST LB ST LB ST LB ST LB ST
BCC CSM1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
BCC CSM1 1 M 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
CESM1 CAM5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
CSIRO MK3 6 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 R2
FIO ESM 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 < 0.50
GFDL CM3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.50 ‐ 0.60
GFDL ESM2G 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.60 ‐ 0.70
GFDL ESM2M 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.70 ‐ 0.80
GISS E2 R 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.80 ‐ 0.90
IPSL CM5A LR 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.90 ‐ 0.95
MIROC ESM 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.95 ‐ 0.98
MIROC ESM CHEM 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.98 ‐ 1.00
MIROC MIROC5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
MOHC HADGEM2 ES 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
MRI CGCM3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
NCAR CCSM4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
NCC NORESM1 M 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
NIMR HADGEM2 AO 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
BCC CSM1 1 ## ## ## ## ## # ## ## ## # 2 3 3 1 1 1 2 2 3 3 Prec EMC (mm)
BCC CSM1 1 M ## ## ## ## ## # ## ## ## # 3 3 3 2 2 2 3 3 3 3 > 2000
CESM1 CAM5 ## ## ## ## ## # ## ## ## # 1 2 2 2 1 1 1 1 2 2 1400‐2000
CSIRO MK3 6 0 ## ## ## ## ## # ## ## ## # 4 3 4 3 4 4 4 4 5 4 1000‐1400
FIO ESM ## ## ## ## ## # ## ## ## # 2 2 2 1 1 1 2 2 3 3 600‐1000
GFDL CM3 ## ## ## ## ## # ## ## ## # 1 1 1 1 1 1 1 1 2 1 400‐600
GFDL ESM2G ## ## ## ## ## # ## ## ## # 1 1 1 2 1 2 2 2 2 1 200‐400
GFDL ESM2M ## ## ## ## ## # ## ## ## # 1 2 1 2 1 2 2 3 2 2 100‐200
GISS E2 R ## ## ## ## ## # ## ## ## # 2 2 2 1 1 1 2 1 2 2 0‐100
IPSL CM5A LR ## ## ## ## ## # ## ## ## # 0 1 1 2 2 2 0 1 1 1 Temp EMC (°C)
MIROC ESM ## ## ## ## ## # ## ## ## # 2 2 2 1 2 3 3 3 3 3 > 7
MIROC ESM CHEM ## ## ## ## ## # ## ## ## # 3 2 2 1 2 3 3 3 3 3 6‐7
MIROC MIROC5 ## ## ## ## ## # ## ## ## # 3 3 3 4 4 3 3 4 3 3 5‐6
MOHC HADGEM2 ES ## ## ## ## ## # ## ## ## # 2 2 2 1 2 1 1 1 2 2 4‐5
MRI CGCM3 ## ## ## ## ## # ## ## ## # 2 2 2 2 2 1 1 1 2 2 3‐4
NCAR CCSM4 ## ## ## ## ## # ## ## ## # 1 2 2 2 1 1 1 2 2 2 2‐3
NCC NORESM1 M ## ## ## ## ## # ## ## ## # 1 1 1 1 1 2 1 1 1 1 1‐2
NIMR HADGEM2 AO ## ## ## ## ## # ## ## ## # 2 3 3 2 2 2 2 2 3 3 0‐1
Figura 19. Comparación (R2 arriba y EMC abajo) de la climatología observada (Superficies interpoladas
[LB] y estaciones meteorológicas [ST]) para Honduras. Precipitación acumulada (izquierda) y
temperatura media (derecha) anual (ANU) y trimestral (DEF, MAM, JJA, SON).
44
Variables secundarias
Se analizaron cambios en las variables radiación solar (de onda corta) y velocidad media del viento,
derivados de datos de salidas de GCMs. Los resultados se aprecian en las Figuras 20 y 23. Se
proyectan ligeras variaciones en radiación solar de entre -2 y +6 Wm-2, sobre toda la geografía
hondureña. Bajo el escenario RCP 2.6 se proyectan descensos sobre la zona centro-sur del país,
principalmente sobre las temporadas MAM y SON. Bajo otros escenarios la tendencia es al
aumento en la radiación, acentuado sobre la temporada JJA hacia el sur occidente, el Litoral
Pacífico y el Caribe. Hay mayor acuerdo para la variable velocidad media del viento, cuya
proyección muestra una tendencia hacia una disminución poco significativa entre -0.2 y -0.4 ms-1.
Figura 20. Cambios proyectados en radiación solar (arriba) y velocidad media del viento (abajo) para
2030s, 2050s y 2080s bajo el escenario RCP 2.6.
45
Figura 21. Cambios proyectados en radiación solar (arriba) y velocidad media del viento (abajo) para
2030s, 2050s y 2080s bajo el escenario RCP 4.5.
Figura 22. Cambios proyectados en radiación solar (arriba) y velocidad media del viento (abajo) para
2030s, 2050s y 2080s bajo el escenario RCP 6.0.
46
Figura 23. Cambios proyectados en radiación solar (arriba) y velocidad media del viento (abajo) para
2030s, 2050s y 2080s bajo el escenario RCP 8.5.
Incertidumbres
Al presente existen muchos vacíos en la representación del sistema climático. Los GCM no
proporcionan estimaciones realistas de las condiciones climáticas en un sitio en particular, sino
que proporcionan proyecciones para una gran escala. Para que las proyecciones de clima puedan
usarse en estudios de impacto (por ejemplo en agricultura o recursos hídricos), se deben tener
presente las incertidumbres y las dispersiones que deben cuantificarse de manera sólida (Ramirez-
Villegas & Challinor, 2012), entendiendo que siempre se toman decisiones en un contexto de
incertidumbre.
47
en el caso de temperatura (Figura 25), al igual que el primer y tercer cuartil considerando el rango
de modelos. Por otra parte, para considerar la incertidumbre asociada a la elección de los RCP, se
compararon los cambios de precipitación y temperatura bajo los cuatro RCP y los tres periodos de
estudio.
En la mayor parte de la geografía del país un 60% o más de los modelos están de acuerdo con el
cambio medio de la precipitación anual. En algunas zonas del Occidente, particularmente del
Corredor Seco, lo modelos muestran un nivel de acuerdo por debajo del 40% y por tanto existe
una mayor incertidumbre allí. Para precipitación el cambio medio bajo el escenario RCP 8.5 en
2050s muestra disminuciones leves (con un máximo de -10% de déficit) generalizadas en todo el
país incluyendo la zona insular. Algunos modelos muestran mayores déficits de precipitación
(primer cuartil) e incrementos leves-moderados (tercer cuartil). Sin embargo, hay más tendencia
al déficit. Considerando los cuatro Caminos de Concentración, bajo escenarios de mayores
emisiones la tendencia es mayormente hacia el déficit de precipitación, especialmente sobre los
horizontes de mediano y largo plazo. Solo el RCP 2.6 muestra incremento medio de precipitación,
pero la incertidumbre es alta entre modelos. A medida que la proyección se hace más lejos en el
tiempo, la dispersión entre GCM se hace mayor.
Figura 24. Incertidumbres en la proyección de precipitación total para RCP 8.5 en 2050s. Izquierda: A)
Cambio en precipitación total de un promedio de 18 GCMs. B) promedio del primer cuartil (25%), C)
promedio del tercer cuartil (75%), y D) fracción de GCMs en acuerdo con la dirección del cambio medio
48
de la precipitación. Derecha: Dispersión de GCMs (sombreado) entre diferentes escenarios y periodos y
media de todos los modelos (línea azul).
Figura 25. Incertidumbres en la proyección de temperatura media anual para RCP 8.5 en 2050s. A)
Cambio en temperatura media anual de un promedio de 18 GCMs. B) promedio del primer cuartil (25%),
C) promedio del tercer cuartil (75%), y D) desviación estándar. Dispersión de GCMs (sombreado) entre
diferentes escenarios y periodos y media de todos los modelos (línea naranja).
En el caso de temperatura media anual, la desviación estándar entre GCM se mantiene debajo de
los 0.5°C, lo que da a entender una amplia confidencia en las proyecciones. Bajo el escenario RCP
8.5 en 2050s, el primer cuartil muestra cambios más leves de temperatura (de alrededor de 1°C) y
el tercer cuartil cambios más abruptos (de entre 2 y 3°C). Considerando los cuatro Caminos de
Concentración, bajo escenarios de mayores emisiones la tendencia es a un aumento de mayor
grado, especialmente sobre los horizontes de mediano y largo plazo. Bajo escenarios de menor
forzamiento radiativo, la incertidumbre asociada a los modelos permanece baja y en el escenario
RCP 8.5 aumenta la dispersión de los modelos, particularmente hacia fin de siglo. En todos los
escenarios, a medida que la proyección se hace más lejos en el tiempo, la dispersión entre GCM
se hace mayor.
49
Metodología de downscaling
A pesar del considerable esfuerzo realizado por los centros de modelización del clima, las salidas
de los GCM son todavía demasiado gruesas para evaluar los impactos sobre la biodiversidad,
servicios ambientales, los sistemas agrícolas, distribución de las especies, la planificación de la
conservación, entre otros (Fowler et al., 2007; Jarvis et al., 2008a; Jones & Thornton, 2003;
Kremen et al., 2008; Qian et al., 2015; Salathé et al., 2007; Tabor & Williams, 2010; Zhang,
2006). Sin datos de alta resolución, la modelación de cultivos, recurso hídrico y biodiversidad se
vería considerablemente afectada.
Para satisfacer la necesidad de datos de alta resolución, los científicos han desarrollado varios
métodos de desescalamiento (comúnmente conocido como downscaling) que van desde métodos
estadísticos como suavizado e interpolación de las anomalías y redes neuronales, hasta dinámicos,
como el modelado climático regional (RCM). Métodos de downscaling estadísticos, proporcionan
una forma más rápida para el desarrollo de superficies de alta resolución para estudios regionales
de evaluación de impacto en cambio climático (Ramirez-Villegas & Challinor, 2012; Ramirez-
Villegas & Jarvis, 2010a).
50
relevantes a escala gruesa, y que las relaciones entre las variables se mantienen hacia el futuro
(Ramírez y Jarvis, 2010). A pesar de las asunciones, el método es apropiado para llegar a escalas
de análisis regional como se requiere en el presente estudio.
Donde:
XDCi es el valor futuro con downscaling de cada pixel para la variable X, en el mes i.
XOBSi es el valor actual de las observaciones (línea base interpolada) de cada pixel para la variable
X, en el mes i.
ΔXIi es el valor de la anomalía interpolada de cada píxel para la variable X, en el mes i.
51
Figura 26. Ilustración del proceso de reducción a escala con la temperatura máxima de enero utilizando
el GCM BCCR-BCM 2.0: (a) datos de referencia, (b) datos futuros para 2050 (promedio 2040-2069), (c)
delta o anomalía para 2050 , (d) delta o anomalía para el 2050 con los centroides GCM (puntos)
superpuestos, (e) anomalías interpoladas 30 segundos de arco, y (e) superficie climática reducida a escala
futura a una resolución espacial de 30 segundos de arco. Tomado de Ramírez-Villegas et al. (2010a).
Los superficies regionalizadas a 1 Km2 para Honduras, se usaron para la elaboración de las fichas
regionales (próxima sección) y sirven de base para estudios posteriores de impacto del cambio
climático sobre medios de vida, agricultura, hidrología y otros estudios ambientales.
52
Fichas regionales
Figura 27. Componentes de las fichas de cambio climático de las subregiones de desarrollo.
53
ESCENARIOS DE Puerto
CAMBIO
Cortés
CLIMÁTICO Choloma
San Pedro
Sula
FICHA REGIONAL
El Progreso
Progreso
Agricultura
Ganadería
VALLE DE SULA
Lago de
Yojoa
Turismo
Áreas protegidas
PRECIPITACIÓN TOTAL
Línea base referencia 1981-2010 Cambio a 2050 (RCP 4.5-Intermedio) Cambio a 2050 (RCP 8.5-Pesimista)
Los escenarios muestran aumentos de la temperatura media anual de hasta 2°C para 2050 y 3.5°C para el fin de siglo. Las zonas de mayor aumento
se concentran al sur de la región, hacia el Lago de Yojoa, donde también se presentan las mayores precipitaciones. El cambio de temperatura se
incrementa transversalmente hacia el sur este.
Comayagua
COMAYAGUA
Café
Turismo
Áreas protegidas
PRECIPITACIÓN TOTAL
Línea base referencia 1981-2010 Cambio a 2050 (RCP 4.5-Intermedio) Cambio a 2050 (RCP 8.5-Pesimista)
Los escenarios muestran aumentos de la temperatura media anual de hasta 2.2°C para 2050 y 3.7°C para el fin de siglo. Espacial-
mente, los escenarios muestran un aumento homogéneo de la temperatura media que fluctúa entre +1.5 y 1.7°C en 2050s bajo el
escenario intermedio. Las zonas de mayor aumento se concentran al este de la región, donde también se presentan las mayores
precipitaciones.
CAMBIO
CLIMÁTICO
Café
La Entrada
Producción hidroeléctrica
El Paraíso Turismo
Áreas protegidas
Ruinas Copán
Santa Rosa
FICHA REGIONAL
de Copán
Hacia 2050s los escenarios de cambio climático proyectan aumentos ligeros de la precipitación anual en toda la
geografía de la región de Comayagua, acentuándose hacia el sur-oeste, bajo el escenario RCP 4.5. Bajo el escenario rcp
8.5 se proyectan disminuciones ligeras de menor proporción hacia el sur. Los aumentos son del orden del 2 al 6% en
2050s . A diferencia de los ecenarios más optimistas e intermedios, bajo el RCP 8.5, la tendencia es al déficit en todos los
periodos evaluados. Se proyectan disminuciones en gran parte de la época lluviosa (Jun-Sep) y aumentos leves en los
demás meses (Oct-May).
Los escenarios muestran aumentos de la temperatura media anual de hasta 2.2°C para 2050 y hasta 4°C para el fin de
siglo, siendo más alto que la mayoría de regiones del país. Espacialmente, los escenarios muestran un aumento
homogéneo de la temperatura media en 2050s.
FICHA REGIONAL
Jutiapa
La Masica
Los escenarios muestran aumentos de la temperatura media anual de hasta 2.1°C para 2050 y hasta 3.5°C para el fin de
siglo. El incremento de la temperatura se acentuaría de hacia el centro y oeste de la región, donde también se incremen-
taría la precipitación. A través del año el aumento es homogéneo en todos meses.
Podrían ocasionarse cambios en los sistemas agrícolas Cambios en la distribución de lluvias en el ciclo anual,
y pecuarios. Algunos cultivos como la yuca, en los que podrían aumentar la frecuencia de inundaciones,
la tasa fotosintética aumenta con el calor (sembrada afectando el turismo cultural y ecológico, las
ampliamente por comunidades garífunas), podrían ser carreteras y provocando daños en la infraestructura
beneficiados con los aumentos de temperatura. turística. Aumentos de temperatura de 2°C hacia
Algunos otros cultivos de subsistencia como el plátano 2050s, podrían ocasionar cambios en los ecosistemas
(en las zonas costeras), o el maíz, frijol y arroz (en los terrestres y marino-costeros, con pérdida de
litorales), pueden verse afectados negativamente por biodiversidad, desplazamiento y posible extinción de
cambios en el clima. La palma aceitera, ampliamente especies. Los incrementos en el nivel del océano
sembrada en el litoral caribe, podría ser vulnerable a podrían afectar algunas construcciones presentes a la
los cambios en el clima (especialmente por la orilla del mar. Así mismo, las áreas con tendencia a
modificación de los patrones de lluvias) en el mediano inundación durante marea alta presentarían mayor
y largo plazo por ser un cultivo de planificación de 25 susceptibilidad a dichos eventos.
a 30 años. De la misma forma, podrían modificarse los
ciclos reproductivos de plagas y la aparición de nuevas
plagas y enfermedades.
CAMBIO
CLIMÁTICO
Puerto Castilla Turismo
Áreas protegidas
Trujillo Jericó
Bonito
Oriental
FICHA REGIONAL
Tocoa
Sonaguera
Sabá
Los escenarios muestran aumentos de la temperatura media anual de hasta 2.1°C para 2050 y hasta 3.5°C para el
fin de siglo. El incremento de la temperatura se acentuaría de hacia el centro y suroeste de la región, donde también
se incrementaría la precipitación. A través del año el aumento es homogéneo en todos meses.
FICHA REGIONAL
Gualaco
Los escenarios muestran aumentos de la temperatura media anual de hasta 2.2°C para 2050 y 3.7°C para el fin de siglo.
Espacialmente, los escenarios muestran un aumento homogéneo de la temperatura media que fluctúa entre +1.5 y 1.7°C
en 2050s. Las zonas de mayor aumento se concentran al oeste de la región, donde también se presentarían aumentos de
precipitación.
El sector agropecuario a escala familiar se vería incrementarse, así como las pérdidas de cultivos en
afectado por los incrementos de las temperaturas. Así algunas zonas bajas hacia Octubre.
mismo, las variaciones en los patrones de precipitación
obligarían a la implementación de estrategias de El sector de ganadería podrá verse afectado dada la
adaptación para una producción sostenible posible disminución del recurso hídrico en las épocas
particularmente de granos básicos que suplen un secas. Así mismo, se podrían disminuir la producción
porcentaje de la demanda nacional. Particularmente de carne y lácteos por el aumento temperatura, ya que
fríjol y maíz podrían estar bajo presión en el el ganado tendría mayor gasto energético.
departamento de Yoro, por bajas en la precipitación en
las épocas lluviosas y especialmente por la mayor Debido a que en esta zona hay una gran explotación
disminución en Julio en la época de Canícula. El de madera, por la disminución de las lluvias, habrá
incremento de temperatura podría incrementar la una alteración de la biomasa afectando su producción
evapotranspiración disminuyendo la oferta hídrica También se podrían incrementar los incendios
para la agricultura y otros usos. La incidencia de forestales y las especies serían más vulnerables a
enfermedades y plagas para por cultivos puede plagas como el gorgojo.
NORTE DE OLANCHO
Ganadería
Áreas protegidas
La tendencia de cambio de precipitación es hacia el aumento leve (acentuádose hacia el oeste) bajo el
escenario intermedio, y déficit leve bajo el escenario pesimista en toda la extensión de la región. Los escenarios
plantean aumentos de precipitación para la región hasta de un 5% para 2050s y disminuciones de hasta el 12%
para fin de siglo. Se proyectan aumentos en el inicio y final de época lluviosa (Mayo y Octubre) y
disminuciones en los meses intermedios (Junio a Septiembre).
Los escenarios muestran un aumento en toda la región para la temperatura media anual variando entre 1 - 2.1
°C en 2050 y 1 - 4°C en 2080. El incremento se muestra de manera uniforme en la región. Algunas zonas que
comunmente son las más frías (noroccidente), aumentarían considerablemente su temepratura media.
Juticalpa
Catacamas
Los escenarios muestran aumentos de la temperatura media anual de hasta 2.1°C para 2050 y hasta 3.7°C para el fin de siglo. El incre-
mento de la temperatura se acentuaría de hacia el centro y oeste de la región. A través del año el aumento es homogéneo en todos
meses.
°C
mm
Piscicultura
Áreas protegidas
°C
ESCENARIOS DE REGIÓN DE DESARROLLO R09
CAMBIO
CLIMÁTICO BIOSFERA DEL RÍO PLÁTANO
CLIMOGRAMA CAMBIOS POR RCPs / PERIODOS
Los escenarios muestran aumentos de la temperatura media anual de hasta 2°C para 2050 y hasta 3.5°C para el fin de
siglo. El incremento de la temperatura se acentuaría de hacia el sur de la región. A través del año el aumento es homogé-
neo en todos meses.
CAMBIO
CLIMÁTICO
Piscicultura
Forestería
Áreas protegidas
Línea base referencia 1981-2010 Cambio a 2050 (RCP 4.5-Intermedio) Cambio a 2050 (RCP 8.5-Pesimista)
Línea base referencia 1981-2010 Cambio a 2050 (RCP 4.5-Intermedio) Cambio a 2050 (RCP 8.5-Pesimista)
ESCENARIOS DE REGIÓN DE DESARROLLO R10
CAMBIO
CLIMÁTICO LA MOSQUITIA
CLIMOGRAMA CAMBIOS POR RCPs / PERIODOS
La tendencia de cambio de precipitación es hacia la disminución moderada en toda su extensión, acentuádose hacia el
oriente donde se registran las mayores precipitación (por encima de 3000 mm/año). El déficit es mayor si se considera
el escenario más pesimista (RCP 8.5). Los escenarios plantean aumentos de precipitación para la región hasta de un 6%
para 2050s (bajo el escenario RCP 2.6) y disminuciones de hasta el 8% para fin de siglo (bajo RCP 8.5). Considerando el
ciclo monomodal de precipitaciones presente en la región, se proyectan aumentos hacia inicio y final de la época lluviosa
(Mayo, Octubre y Noviembre) y disminuciones considerables en los meses restantes (Junio a Septiembre). En la época
seca, las precipitaciones permanecen sin variaciones significativas.
Los escenarios muestran aumentos de la temperatura media anual de hasta 2°C para 2050 y 3.2°C para el fin de siglo. Las
zonas de mayor aumento se concentran al sur-oeste de la región.
Debido a la explotación de madera en la zona el sector toxinas. Por esto, se esperan pérdidas de rendimientos
forestal será uno de los mayores afectados, especial- y mayor morbilidad en el sector pesquero, especial-
mente por la disminución de las lluvias, lo que podría mente el artesanal.
alterar la producción de la biomasa. También se
podrían incrementar los incendios forestales y las Algunos cultivos como la yuca, en los que la tasa
especies serían más vulnerables a plagas como el fotosintética aumenta con el calor (sembrada amplia-
gorgojo. Por las alzas en la temperatura podrían mente por comunidades garífunas), podrían ser bene-
aumentar la frecuencia de incendios forestales. ficiados con los aumentos de temperatura. Algunos
otros cultivos de subsistencia como el plátano (en las
En las especies acuáticas las temperaturas corporales zonas costeras), o el maíz y arroz (en los litorales),
varían en función de la temperatura ambiente. Cual- pueden verse afectados negativamente por cambios
quier cambio en la temperatura de su hábitat influye en el clima. Sin embargo, podrían existir zonas de
notablemente en su metabolismo, tasa de crecimiento menor precipitación donde el fríjol podría migrar por
(por inapetencia de alimento), productividad, repro- mejores condiciones climáticas en Gracias a Dios.
ducción estacional y sensibilidad a enfermedades y
CAMBIO
CLIMÁTICO
Café Forestería
Ganadería Áreas protegidas
FICHA REGIONAL
Teupasenti
Danli Trojes
Potrerillos
(RCP 4.5-Intermedio)
Cambio a 2050
Cambio a 2050
(RCP 8.5-Pesimista)
(RCP 8.5-Pesimista)
Cambio a 2050
Cambio a 2050
ESCENARIOS DE REGIÓN DE DESARROLLO R11
CAMBIO
CLIMÁTICO EL PARAÍSO
CLIMOGRAMA CAMBIOS POR RCPs / PERIODOS
Los escenarios muestran un aumento en toda la región para la temperatura media anual variando entre 1 - 2.1 °C en 2050 y 1
- 3.7°C en 2080. El incremento se muestra de manera uniforme en la región, ligeramente mayor concentrado hacia el oeste de
la región.
La producción agrícola puede verse afectada por los La agroindustria alimenticia se vería afectada por bajas
incrementos de temperatura y cambios leves en las canti- en el rendimiento de materias primas para productos en
dades de precipitación. La incidencia de enfermedades y base a maíz y otros cereales.
plagas para cultivos puede incrementarse. Café como
rubro de importancia económica requeriría medidas de La producción de leche y carne se puede afectar directa-
adaptación para afrontar los efectos adversos del cambio mente por el incremento de la temperatura que provoca
climático (especialmente los cambios en temperatura) o estrés calórico en los animales. Es posible que en la
incluso transformación a otros cultivos en las zonas de temporada seca se alargue habiendo poca disponibilidad
menor altitud (Bunn et.al., 2018). Modificaciones en el de agua para abrevar o alteraciones en la producción de
ciclo de precipitación anual, podría alterar la siembra y la forrajes.
cosecha de los granos básicos en el departamento de El
Paraíso y la desincronización de algunas actividades en el En el sector forestal, por la disminución de las lluvias,
cultivo de café. Particularmente zonas de producción habrá una alteración de la biomasa afectando su produc-
fríjol en El Paraíso podrían verse seriamente afectadas ción. El aumento de temperatura y la mala distribución
por bajas en el rendimiento, debido a condiciones climáti- de las lluvias puede presentar una mayor presencia de
cas que favorecerían la proliferación de enfermedades plagas y las alzas en la temperatura podrían aumentar la
fungosas. frecuencia de incendios forestales.
CAMBIO
CLIMÁTICO
Café
Agroindustria
Maquilas
San Juan
Áreas protegidas de Flores
Valle de
Comayaguela Ángeles
Tegucigalpa
Guinope
DISTRITO CENTRAL
PRECIPITACIÓN TOTAL
Línea base referencia 1981-2010 Cambio a 2050 (RCP 4.5-Intermedio) Cambio a 2050 (RCP 8.5-Pesimista)
Línea base referencia 1981-2010 Cambio a 2050 (RCP 4.5-Intermedio) Cambio a 2050 (RCP 8.5-Pesimista)
ESCENARIOS DE REGIÓN DE DESARROLLO R12
CAMBIO
CLIMÁTICO DISTRITO CENTRAL
CLIMOGRAMA CAMBIOS POR RCPs / PERIODOS
Los escenarios muestran un aumento en toda la región para la temperatura media anual variando entre 1 - 2.1 °C
en 2050 y 1 - 3.7°C en 2080. El incremento se muestra de manera uniforme en la región.
El incremento en la cantidad de precipitación otros cultivos en las zonas de menor altitud (Bunn
durante el mes de octubre puede incrementar el et, al., 2018). Modificaciones en el ciclo de precip-
riesgo de deslizamientos e inundaciones. La itación anual, podría alterar la siembra y la cose-
producción agrícola puede verse afectada por los cha de los granos básicos en la zona montañosa del
incrementos de temperatura y cambios leves en las departamento de Francisco Morazán y cambios en
cantidades de precipitación. Para café, ganadería, y algunas prácticas asociadas al café. Incremento de
granos básicos serían necesarias estrategias de enfermedades y plagas en los cultivos pueden
adaptación sistémicas y en algunos casos de trans- ocasionar disminuciones importantes en la produc-
formación a otros rubros productivos. Café como ción.
rubro de importancia económica requeriría medi-
das de adaptación para afrontar los efectos adver- La agroindustria alimenticia se vería afectada por
sos del cambio climático (especialmente los cambi- bajas en el rendimiento de materias primas para
os en temperatura) o incluso transformación a productos en base a maíz y otros cereales.
Las fichas regionales sobre cambio climático forman parte de las consultorías realizadas por el Programa de las Naciones Unidas para el
Módulo Académico sobre Cambio Climático para Honduras Desarrollo (PNUD), para la elaboración de la Tercera Comunicación Nacional sobre Cambio Climático de Honduras dentro de la Convención
https://cgspace.cgiar.org/handle/10568/97760 Marco de las Naciones Unidas sobre Cambio Climático (CMNUCC).
Concepción
Oriente
Monjaras
San Marcos
de Colón
Choluteca
GOLFO DE FONSECA
El Triunfo Piscicultura
Áreas protegidas
PRECIPITACIÓN TOTAL
Línea base referencia 1981-2010 Cambio a 2050 (RCP 4.5-Intermedio) Cambio a 2050 (RCP 8.5-Pesimista)
Los escenarios muestran aumentos de la temperatura media anual de hasta 2.2°C para 2050 y 3.7°C para el fin de siglo. Espacial-
mente, los escenarios muestran un aumento en toda la región pero se acentúa con mayor intensidad al norte de la región, donde las
temperaturas medias registradas son menores (abajo de 24°C).
LEMPA
PRECIPITACIÓN TOTAL
CLIMÁTICO
FICHA REGIONAL
REGIÓN DE DESARROLLO R14
Áreas protegidas
Valladolid
Mapulaca
La tendencia de cambio de precipitación es hacia el aumento moderado en toda la extensión de la región, acentuádose
hacia el sur, donde se registran las mayores lluvias (arriba de 2000 mm/año en algunas zonas), bajo el RCP 8.5. Consid-
erando el RCP 4.5 la tendencia es hacia el déficit leve. Los escenarios plantean aumentos de precipitación para la región
hasta de un 7% para 2050s (bajo el escenario RCP 2.6) y disminuciones de hasta el 14% para fin de siglo (bajo RCP 8.5).
Considerando el ciclo monomodal de precipitaciones presente en la región, se proyectan aumentos hacia el inicio y final
de época lluviosa (Octubre y Noviembre) y disminuciones en los meses de mayores lluvias (Junio a Septiembre).
Los escenarios muestran aumentos considerables de la temperatura media anual de hasta 1.9°C para 2050 y 3.2°C para
el fin de siglo. Espacialmente, los escenarios muestran un aumento en toda la región pero se acentúa con mayor inten-
sidad al norte de la región.
La producción agrícola se podría ver afectada por los sequías son frecuentes en esta región, por lo que las
incrementos de temperatura, principalmente al sur de comunidades cuyos medios de vida son dependientes
la región en la frontera con el Salvador. Sumados a los de la agricultura con pocas opciones de adaptación,
cambios leves en las cantidades de precipitación, café podrían estar expuestas a inseguridad alimentaria por
y granos básicos se verían afectados e incluso se las reducciones de precipitación en los meses húme-
podría evaluar el reemplazo por otros rubros más dos. Cambios de precipitación en los meses de canícula
aptos. Fríjol y maíz podrían tener decrementos en la Julio-Agosto podría también afectar la agricultura de
producción en el departamento de Lempira lo que granos básicos de subsistencia.
supone implementar medidas de adaptación para esta
región. Así mismo, podrían existir zonas de presión a El sector de ganadería podrá verse afectado dada la
donde fríjol y maíz podrían migrar por mejores condi- posible disminución del recurso hídrico. Así mismo, la
ciones especialmente en la zona montañosa limítrofe producción de leche y carne se puede afectar directa-
con El Salvador. Las condiciones climáticas favore- mente por las altas temperaturas.
cerían la proliferación de enfermedades fungosas. Las
PRECIPITACIÓN TOTAL
MESOAMERICANO
CLIMÁTICO
FICHA REGIONAL
REGIÓN DE DESARROLLO R15
Áreas protegidas
Utila
Roatán
Los escenarios muestran aumentos considerables de la temperatura media anual de hasta 1.9°C para
2050 y 3.2°C para el fin de siglo. El cambio de temperatura es homogéneo en la región y podría
aumentar la evapotranspiración.
Los incrementos en el nivel del océano podrían En las especies acuáticas las temperaturas
afectar las construcciones actualmente corporales varían en función de la
presentes a la orilla del mar, así mismo, las temperatura ambiente. Cualquier cambio en
áreas con tendencia a inundación durante la temperatura de su hábitat influye
marea alta presentarían mayor notablemente en su metabolismo, tasa de
susceptibilidad a dichos eventos. Los crecimiento, productividad, reproducción
ecosistemas marino-costeros se verán estacional y sensibilidad a enfermedades y
afectados con cambios en la biodiversidad, toxinas. Por esto, se esperan pérdidas de
desplazamiento y posible extinción de rendimientos y mayor morbilidad en el sector
especies. El turismo de playa en general pesquero.
podría sufrir afectaciones por marejadas y
pérdidas de costa.
ENLACES DE INTERÉS CRÉDITOS
Las fichas regionales sobre cambio climático forman parte de las consultorías realizadas por el Programa de las Naciones Unidas para el
Módulo Académico sobre Cambio Climático para Honduras Desarrollo (PNUD), para la elaboración de la Tercera Comunicación Nacional sobre Cambio Climático de Honduras dentro de la Convención
https://cgspace.cgiar.org/handle/10568/97760 Marco de las Naciones Unidas sobre Cambio Climático (CMNUCC).
Santa Bárbara
Agricultura
Agroindustria
SANTA BÁRBARA
Piscicultura
El Níspero
Áreas protegidas Azacualpa
PRECIPITACIÓN TOTAL
Línea base referencia 1981-2010 Cambio a 2050 (RCP 4.5-Intermedio) Cambio a 2050 (RCP 8.5-Pesimista)
Los escenarios muestran aumentos considerables de la temperatura, incluso a mayor tasa que otras regiones
del país. La temperatura media anual aumentaría 2.3°C para 2050 y casi 4°C para el fin de siglo. El cambio de
termperatura es homogéneo, acentúado hacia el sur-oeste de la región, pero afectaría también la zona de la
Montaña de Santa Bárbara.
El alza de temperaturas y los trastornos El sector de ganadería podrá verse afectado dada
potenciales del ciclo hidrológico modificarán la la posible disminución del recurso hídrico. Así
disponibilidad de agua, las condiciones de aridez mismo, la producción de leche y carne se puede
y la frecuencia y duración de las sequías. Estas afectar directamente por las altas temperaturas
condiciones son propicias para una mayor que provoca estrés calórico en los animales.
frecuencia de incendios forestales, pérdidas de
producción de granos y desfases de ejecución de Café como rubro representativo en la región se
prácticas agrícolas como la siembra, el control de vería desplazado de las zonas bajas hacia zonas
plagas y la cosecha. Los aumentos de temperatura más montañosas de la región, sin embargo, áreas
sumados a los déficits de precipitación podrían de mayor aptitud climática futura para el cultivo
generar mayores costos para los cultivos. son áreas declaradas de protección. Déficit de
precipitación podría afectar afectar la
agroindustria de la caña de azúcar debilitando su
productividad.
ENLACES DE INTERÉS CRÉDITOS
Las fichas regionales sobre cambio climático forman parte de las consultorías realizadas por el Programa de las Naciones Unidas para el
Módulo Académico sobre Cambio Climático para Honduras Desarrollo (PNUD), para la elaboración de la Tercera Comunicación Nacional sobre Cambio Climático de Honduras dentro de la Convención
https://cgspace.cgiar.org/handle/10568/97760 Marco de las Naciones Unidas sobre Cambio Climático (CMNUCC).
La expansión térmica del océano junto con el derretimiento de los glaciares son los principales
contribuyentes al aumento del nivel medio del mar. Desde 1993 se ha experimentado un aumento
más acelerado del incremento del nivel del mar, lo cual es una respuesta al forzamiento radiativo
(tanto antropogénico como natural) y al aumento de la pérdida de masa de la capa de hielo (Church
et al., 2013). El cambio climático futuro, agregará calor al sistema climático lo cual hace muy
probable que la tasa de aumente del nivel del mar se incremente gradualmente durante el siglo 21.
Es muy probable que este cambio tendrá un fuerte patrón regional, con algunos lugares
experimentando desviaciones locales y regionales de cambio del nivel del mar en comparación
con el cambio medio global, como es el caso de los litorales hondureños.
Los escenarios futuros de aumento del nivel del mar para Honduras se derivaron de 10 Modelos
de Circulación General (MCG) de las proyecciones CMIP5 para dos Caminos Representativos de
Concentración (RCPs por sus siglas en inglés; RCP 4.5 y 8.5) para la serie de tiempo 2006-2100
(proyección año a año). Así mismo remuestreamos las proyecciones a 4 km y agregamos en tres
períodos futuros nombrados como 2030 (Normal climatológica -NC- entre 2026 a 2045), 2050s
(CN entre 2046-2065) y 2080 (CN entre 2076 a 2095). Usamos la variable altura del nivel del mar
sobre el geoide (zos), para describir los cambios.
Las condiciones de referencia, para evaluar el aumento en el periodo histórico, provienen del
"Global Ocean - Multimission altimeter satellite gridded sea surface heights and derived
variables", distribuidas por el Servicio de Monitoreo del Medio Marino de Copernicus (Copernicus
Marine Service Information, 2018). Específicamente, utilizamos el conjunto de datos Sealevel-
Glo-Phy-L4-Rep-Observations-008-047. Este procesa datos de todas las misiones de altimetría
satelital: Jason-3, Sentinel-3A, HY-2A, Saral/AltiKa, Cryosat-2, Jason-2, Jason-1,
Topex/Poseidon, ENVISAT, GFO, ERS1/2. La resolución final es de 0.25x0.25 grados.
Las Figuras 26 y 27 muestran las proyecciones de aumento del nivel del mar para Honduras, en
horizontes futuros de tiempo y en su evolución año tras año respectivamente. Hay una marcada
diferencia en la tasa de aumento en Litoral Pacífico y el Atlántico. El Atlántico muestra un aumento
86
más acelerado hacia futuro, alcanzando unos 200 mm más hacia fines de siglo en comparación de
100mm proyectados para el Pacífico. Los aumentos pueden ser mayores hacia zonas como Tela,
Roatán y Puerto Lémpira, alcanzando el umbral de los 300 mm a fin de siglo. Sobre el Golfo de
Fonseca las variaciones son poco significativas y no se esperan aumentos mayores del nivel del
mar hacia futuro. Las proyecciones sobre Honduras muestran un panorama más positivo que las
medias de incremento global, que indican un aumento hasta de 1 metro a fin de siglo (Church et
al., 2013). Teniendo en cuenta los límites marítimos de Honduras (línea amarilla Figura 27) sobre
RCP 8.5 el incremento anual se proyecta a una tasa de +3mm/año en la Costa Caribe y +1.6
mm/año sobre el Pacífico. Sobre RCP 4.5 el incremento es ligeramente menor.
Figura 28. Aumento del nivel del futuro, bajo RCP 4.5 y 8.5. Evolución en horizontes de tiempo.
87
Figura 29. Aumento del nivel del mar histórico (desde 1993) y futuro, bajo los RCP 4.5 y 8.5. Evolución
año tras año hasta fin de siglo.
88
Comparación entre los escenarios de la segunda y tercera comunicación nacional y otros
escenarios de cambio climático para Honduras y la región
En la Tabla 5, se evidencia que los actuales escenarios del proyecto TCN/BUR son los únicos
realizados a nivel nacional con base en las proyecciones del quinto reporte de evaluación del IPCC.
Adicionalmente, dos de los mayores avances fueron: primero, la construcción de una línea de base
o normal climatológica actual propia para Honduras con 282 estaciones de precipitación y 69 de
temperatura; segundo, la regionalización o downscaling de 18 MCG y para los 4 RCPs para evaluar
los impactos y vulnerabilidades.
Modelos de
Escenarios de Horizontes
Normal Climatológica o circulación
Estudio Nivel emisiones temporales
línea base actual General
empleados futuros
MCG)
Construida con registros
con control de calidad de Quinto reporte del
datos de 282 estaciones de IPCC (CMIP5):
18 MCG y
Tercera precipitación, 69 de 4 Escenarios RCP
método de 2030’s
Comunicación temperatura. (Caminos
Nacional regionalización 2050’s
Nacional- Método de interpolación representativos de
estadística 2080’s
CIAT (2018) ANUSPLIN (Usado por concentración):
delta.
WorldClim) RCP2.6, RCP4.5,
Normal climatológica: RCP6.0, RCP8.5
1981- 2010.
Precipitación basada en 5 MCG para la
interpolación con Kriging precipitación y
de registros de 67 3 MCG para la
Segunda Cuarto reporte de
estaciones de precipitación. temperatura, 2020’s
Comunicación evaluación del
Nacional usando 2050’s
Nacional IPCC: SRES-AR4
Temperatura uso superficies regionalización 2090’s
(2010) 2 Escenarios: A2
globales de WorldClim dinámica
(representativo de
Normal PRECIS-
una condición
Climatológica:1961-1990. MAGIC
pesimista) y B2
Uso de superficies globales
Economía del (condición 4 MCG y
de WorldClim para 2020’s
cambio optimista) método de
temperatura y precipitación. 2030’s
climático- Regional regionalización
2050’s
CEPAL estadística
Normal 2100’s
(2011) delta.
Climatológica:1961-1990.
89
Existen otros escenarios regionales (No incluidos en la tabla) desarrollados por CATIE (Imbach
et al., 2018) que evalúan 2 RCPs (RCP4.5 y RCP8.5), sin embargo, la resolución espacial es más
baja (8km2), solo se evaluó el 2050 y la normal climatológica es de la base de datos mundial de
Worldclim, por lo que se considera que los escenarios de la tercera comunicación de Honduras,
son los de mayor especificidad y validez para el territorio Hondureño.
Pese a las diferencias en los datos de entrada y las técnicas empleadas para la modelación de clima,
los escenarios de la segunda y tercera comunicación muestran una tendencia de déficit de
precipitación sobre el territorio hondureño. La segunda comunicación proyecta valores de hasta
40% (60%) de déficit de precipitación anual estacional en 2050s (2080s), mientras que los
presentes nuevos escenarios proyectan valores máximos de déficit de 10% (30%) en 2050s
(2080s). En temperatura la segunda comunicación presenta incrementos de cerca de 2°C y en estos
nuevos escenarios entre 2 y 2.5°C. Ambos reportes coinciden en disminuciones de precipitación y
aumentos de temperatura más significativos en la temporada Junio-Julio-Agosto.
90
Repositorios de Información
Para facilitar la difusión de la información entre los interesados locales en Honduras, las capas
resultantes del proceso de generación de línea base, downscaling y aumento del nivel del mar se
disponen en los repositorios Dataverse5 y CGSpace6. Estos portales de acceso abierto permiten
difundir, preservar, citar, explorar y analizar datos producto de la investigación en diversos
campos. Los datos pueden consultarse de la a partir de las siguientes direcciones:
http://hdl.handle.net/10568/97534
https://doi.org/10.7910/DVN/QET5UQ
http://hdl.handle.net/10568/97535
https://doi.org/10.7910/DVN/E3C1KB
Replicación de datos para: Línea base y escenarios de cambio climático para el aumento del
nivel del mar en Honduras a una resolución de 4-km.
http://hdl.handle.net/10568/97533
https://doi.org/10.7910/DVN/ANQTXW
5
https://dataverse.harvard.edu/dataverse/CIAT
6
https://cgspace.cgiar.org/
7
https://aguadehonduras.gob.hn/descargas.html
91
a una resolución espacial de 30 arco-segundos (~1Km2) y en el sistema de coordenadas geográficas
WGS84. En la Tabla 6, se muestran los acrónimos y las unidades de las variables generadas.
Figura 30. Acceso a las capas SIG e Información en la Plataforma Agua de Honduras
https://aguadehonduras.gob.hn/descargas.html
Variables RCPs
prec Precipitación acumulada mensual [decimal] rcp26 (RCP 2.6)
tmax Temperatura máxima mensual [°C *10] rcp45 (RCP 4.5)
tmin Temperatura mínima mensual [°C *10] rcp60 (RCP 6.0)
dtr Rango diurno de temperatura (tmax-tmin) [°C *10] rcp85 (RCP 8.5)
tmean Temperatura media mensual [°C *10]
rsds Radiación solar de onda corta [W/m2 *10]
wsmean Velocidad del viento media [m2/s *10]
Temporadas Periodos
1 a 12 Meses de Enero a Diciembre Actual Promedio entre 1981-2010
DJF Diciembre-Enero-Febrero 2030 Promedio entre 2021-2050
MAM Marzo-Abril-Mayo 2050 Promedio entre 2041-2070
JJA Junio-Julio-Agosto 2080 Promedio entre 2071-2100
SON Septiembre-Octubre-Noviembre
ANN Anual
92
Línea base o normal climatológica a nivel mensual
Tabla 7. Metadatos para la plataforma Dataverse de la línea base climática o normal climatológica.
Estaciones meteorológicas
93
Estaciones Meteorológicas (http://ccafs-climate.org/weather_stations/). El portal permite hacer
búsquedas de los datos filtrando por país, estado o bien a través del código de la estación. Los sets
de estaciones disponibles son: COPECO, DGRH-NOAA y ENEE. La información está restringida
por un usuario y contraseña, que es suministrado a cada entidad poseedora de la información.
Además de la posibilidad de descargar los datos (en bruto y procesados), el portal ofrece la opción
de visualizar gráficos de líneas de cada variable meteorológica a nivel diario, mensual y anual,
para el periodo de datos disponibles para cada estación. La Figura 31 muestra las estaciones
meteorológicas disponibles para Honduras a través del portal.
Figura 31. Información meteorológica de Honduras disponible a través del portal CCAFS-Climate.
94
Escenarios de cambio climático para la plataforma continental de Honduras
Los metadatos en la plataforma Dataverse para este conjunto de datos se muestra en la Tabla 8.
Tabla 8. Metadatos para la plataforma Dataverse de los escenarios de cambio climático de la plataforma
continental en Honduras
95
GCMs evaluados. Los rasters fueron organizados en 4 grupos de 609 rasters de acuerdo a cada
uno de los RCPs (anomalies_ensemble_rcp26_honduras.zip,
anomalies_ensemble_rcp45_honduras.zip, anomalies_ensemble_rcp60_honduras.zip,
anomalies_ensemble_rcp85_honduras.zip). Dentro de la carpeta de cada RCP los rasters se
organizan en 3 subcarpetas de acuerdo a los horizontes temporales (2030s, 2050s, 2080s) con
203 rasters cada carpeta así:
Escenarios de cambio climático futuros regionalizados para Honduras para cada uno de
los 18 GCM: En este conjunto de datos se presentan 4106 rasters, los cuales están organizados
en tres niveles. El primero en 4 carpetas de acuerdo a cada RCP
(downscaled_models_rcp26_honduras.zip, downscaled_models_rcp45_honduras.zip,
downscaled_models_rcp60_honduras.zip, downscaled_models_rcp85_honduras.zip). En el
segundo nivel, los mapas están organizados en 18 carpetas correspondientes a cada uno de los
modelos evaluados (bcc_csm1_1, bcc_csm1_1_m, cesm1_cam5, csiro_mk3_6_0, fio_esm,
gfdl_cm3, gfdl_esm2g, gfdl_esm2m, giss_e2r, ipsl_cm5a_lr, miroc_esm, miroc_esm_chem,
miroc_miroc5, ohc_hadgem2_es, mri_cgcm3, ncar_ccsm4, ncc_noresm1_m,
nimr_hadgem2_ao). Finalmente, en el tercer nivel, dentro de la carpeta de cada modelo, los
96
archivos están organizados en 3 sub-carpetas correspondientes a cada uno de los horizontes de
tiempo evaluados. Se debe anotar que para algunos GCM, las variables de radiación solar y
velocidad media del viento no estaban disponibles.
La variable evaluada fue el cambio en el nivel medio del mar con relación al geoide de referencia
a una resolución espacial de 4 km, la cual fue obtenida de la observación satelital para la línea base
y como producto de la evaluación de 10 GCMs y 2 RCPs en condiciones de cambio climático
(RCP4.5 y RCP8.5, estos dos escenarios de emisiones fueron los únicos para los que se
encontraron evaluaciones de esta variable en varios GCMs). Los conjuntos de datos entregados se
organizaron en tres:
97
Los metadatos en la plataforma Dataverse para este conjunto de datos se muestra en la Tabla 9.
Tabla 9. Metadatos para la plataforma Dataverse de los escenarios de cambio climático de la plataforma
oceánica en Honduras
Las condiciones de referencia provienen del " Global Ocean - Multimission altimeter satellite gridded
sea surface heights and derived variables ", distribuidas por el Servicio de Monitoreo del Medio Marino
de Copernicus. Específicamente, utilizamos el conjunto de datos Sealevel-Glo-Phy-L4-Rep-
Observations-008-047. Este procesa datos de todas las misiones de altimetría satelital: Jason-3, Sentinel-
3A, HY-2A, Saral / AltiKa, Cryosat-2, Jason-2, Jason-1, T / P, ENVISAT, GFO, ERS1 / 2. La resolución
es 0.25X0.25 grados y tiene una resolución temporal irregular. Los datos comienzan en 1993 hasta el
presente. Usamos el promedio de 20 años y las series temporales de 1996-2015. Re-distribuimos los
datos procesados, incluyendo:
- _ts: Cambios en la altura del nivel del mar entre el período de referencia 1996-2015 y los datos
satelitales históricos.
- _avg: Normal climatológica de la altura del nivel del mar 1996-2015 derivado de datos satelitales
históricos.
Los datos son parte del trabajo realizado por el CIAT en la generación de los escenarios de cambio
climático en Honduras para la Tercera Comunicación Nacional ante la CMNUCC.
Palabras claves Cambio climático, escenarios climáticos, aumento del nivel del mar,
Honduras, normal climática, Caminos Representativos de
Concentración, Modelos de Circulación General.
Clasificación del tema Datos climáticos
98
Aplicación web
Para consultar las variables de la superficie continental, se generó una aplicación web que consulta
los datos referenciados en este informe y presenta resúmenes a nivel de Región de Desarrollo y
Microcuenca. Esta aplicación web se puede consultar en la pagina de Agua de Honduras en la
sección de Cambio Climático (https://aguadehonduras.gob.hn/cambioclimatico.php) y se puede
acceder como se muestra en la Figura 32. Se puede observar una vista previa de la aplicación y los
10 pasos para consultar y descargar la información climática.
Figura 32. Aplicación web desarrollada en la plataforma Agua de Honduras para consultar los resultados
de los escenarios de cambio Climático de Honduras.
99
Módulo académico de capacitación
Generalidades
Escenarios de Cambio Climático en Honduras para la Tercera Comunicación Nacional (TCN) ante
la CMNUCC
Resumen
El módulo y los escenarios de cambio climático fueron desarrollados por el Centro Internacional
de Agricultura Tropical (CIAT) bajo la consultoría para el Desarrollo de los Escenarios Climáticos
de Honduras y Módulo Académico de Capacitación (Sdp/00090482/001-2017) financiada por el
Programa de las Naciones Unidas para el Desarrollo (PNUD) en Honduras. El módulo se
constituye de 5 unidades que presentan los conceptos básicos sobre cambio climático, los procesos
de construcción de la línea base del clima y los escenarios de cambio climático en Honduras, la
forma de acceder a la información sobre los escenarios y finalmente ejemplos sobre la aplicación
de este tipo de información en los sectores de agricultura y recursos hídricos.
100
Introducción
101
o Contáctenos
o Cómo citarnos
Unidad 4 – ¿Dónde consultar la información desarrollada para los nuevos escenarios para
Honduras?
o Aplicativo de Escenarios por Regiones de Desarrollo y Microcuencas
o Repositorio de datos
o Información meteorológica
o Reportes y documentación
o Fichas regionales
o Evaluación de la Unidad
102
Tutorial para estudiantes y docentes
`
2. Dentro de la plataforma Blackboard, para ingresar al módulo de capacitación seleccione
“Cursos” en el panel del lado izquierdo.
103
4. Así podrá ver la información acerca de los temas y subtemas del módulo de capacitación.
5. Ahora puede ingresar a la unidad de su interés haciendo clic sobre ella. Por ejemplo,
UNIDAD 1- CONCEPTOS BÁSICOS y entrando desde este usuario editar el contenido
del curso.
104
6. Al final de cada unidad podrá realizar una evaluación y obtener un certificado al final de
la terminación satisfactoria de todas las evaluaciones.
105
ii. Seleccione el curso virtual de su interés. En este caso, el módulo de capacitación virtual
“Escenarios de Cambio Climático en Honduras”.
iii. Una vez haya ingresado al curso, en el panel de la izquierda seleccione la opción de
“Grupos” y luego en la parte superior seleccione la opción “Crear grupo”
106
v. Una vez cree el grupo, solicítele a sus estudiantes que se inscriban al grupo que acaba
de crear, haciendo click en la opción ‘Inscribirse’ disponible debajo de cada grupo.
vi. Las siguientes son las herramientas del grupo que pueden ser usada en ejercicios
pedagógicos.
Como prueba piloto del módulo de la eficacia del módulo, se impartió un taller a dos grupos
identificados y convocados por el proyecto de la Tercera Comunicación y la Dirección Nacional
de Cambio Climático. El primer grupo con la presencia de expertos nacionales en el manejo de
información meteorológica y de datos de Sistemas de Información Geográfica (SIG). El segundo
107
grupo, tomadores de decisión y/o técnicos de instituciones los cuales deban usar la información
generada de los escenarios para generar sus planes sectoriales de adaptación y mitigación del
cambio climático.
108
Conclusiones y recomendaciones
Luego del proceso del proceso de caracterización del clima de honduras basado en la información
de las estaciones meteorológicas, se realizó un análisis de la situación de la gestión de la
información hidro-meteorológica en el país. Este análisis se realizó basado en el esquema
planteado en la consultoría “Diagnóstico de la información existente sobre el recurso hídrico,
actores, roles, avances, limitantes y necesidades” (Peña, 2016) (ver Figura 33) financiado por
PNUD y que consolidó la situación de la gestión de este tipo de información basado en opiniones
de expertos e interesados nacionales. Por lo cual, el presente análisis, busca complementar o
actualizar la consultoría de Peña (2016) (Tabla 10, Gris), a la luz de la experiencia del CIAT como
centro de Investigación y usuario de la información hidro-meteorológica en Honduras (Tabla 10,
Blanco).
Principales Retos
1 Inter-institucionalidad de los datos
2 Espacialidad y calidad
3 Información disponible en tiempo y forma
109
Tabla 10. Actualización del análisis de la situación de la información hidro-meteorológica en Honduras
de acuerdo al esquema planteado por Peña (2016) con la visión del CIAT
110
encargado y decisivo ha sido el trabajo coordinado para asegurar la confianza entre las
señalado para con cada entidad y el involucramiento de instituciones para que se compartan los
cumplir este rol y investigadores de CIAT para buscar datos en tiempo y forma.
el recelo al mejorar las capacidades técnicas de los Se debe buscar fortalecer lo existente
intercambio de interesados, para hacer más eficiente cada inversión.
información entre De manera informal, las entidades
entidades. Además critican y desconfían de la actitud de
del rol de la consultores que buscan acaparar
empresa privada información y no compartir sus
para la conocimientos.
financiación de las
redes.
Bases de datos Las bases de datos La OMM con apoyo de la actividad Se deberían alinear las diversas
de las instituciones GEMA de USAID, está apoyando a iniciativas para evitar duplicar los
son limitadas CENAOS/COPECO, DGRH y ENEE esfuerzos.
Entrega de La accesibilidad de para implementar su base de datos MCH, Este es el principal reto a superar para
resultados la información es la cual puede capturar en tiempo real los que las entidades tengan asegurada la
limitada datos hidro-meteorológicos, genera financiación continua de las actividades
reportes y mapas. de mantenimiento y gestión de sus redes
hidro-meteorológicas y tengan al mismo
tiempo la voluntad de compartir de
forma ágil y continua la información.
Debido a que las herramientas
tecnológicas están disponibles.
Los datos meteorológicos de las entidades públicas en Honduras permitieron construir una
normal climatológica de alta resolución con datos locales, los cuales fueron complementados
con información satelital. Esto marca un precedente para trabajos posteriores que podrán contar
con este producto y sin duda se debe valorar el trabajo realizado por las entidades como
CENAOS/COPECO, Meteorología Aeronáutica, DGRH, ENEE y SANAA para mantener las
observaciones y registros meteorológicos que fueron usados en este trabajo.
111
múltiples e innovadoras iniciativas como la Plataforma Agua de Honduras, Observatorios
regionales y otros que requieren de bases de datos hidro-meteorológicos.
Los escenarios de cambio climático de la TCN/BUR, son una herramienta para la toma de
decisiones única en la región, porque involucra la regionalización de 18 MCG, 4 RCP’s y 3
horizontes temporales, además de 8 variables, incluidas la altura sobre el nivel del mar. Sin
embargo, se evidenció la necesidad de poner a disposición de múltiples actores la información
de forma libre y ágil. Un primer esfuerzo se hizo por iniciativa del grupo consultor en
https://aguadehonduras.gob.hn/cambioclimatico.php, sin embargo, se podría profundizar y
hacer aplicaciones más detalladas buscando siempre que la información sea utilizada por los
tomadores de decisión y se tomen decisiones basado en información cuantitativa y con soporte
científico.
Los escenarios generados son una herramienta que puede servir a otros para evaluar los
impactos y vulnerabilidades. Son un resultado que busca nutrir la discusión en el país y que le
permitirá a diferentes actores investigar sobre los impactos y vulnerabilidades. Es decir estos
escenarios de cambio climático son un punto de partida para la evaluación de los impactos y
vulnerabilidades debidas al clima en el país, se requiere de procesos de planificación,
investigación aplicada a nivel sectorial para sacar provecho de los mismos.
Uno de los productos más atractivos de la consultoría realizada es el módulo virtual, el cual
busca aclarar muchos conceptos para la interpretación y posterior uso de los escenarios. Se
buscó mediante un lenguaje sencillo explicar conceptos que para muchos interesados resultan
complejos. Se espera que mediante los recursos de información generados, se generé una
discusión amplia que permita la interacción entre diferentes interesados en la búsqueda de una
mejor adaptación al cambio climático en el País.
Las fichas regionales diseñadas en esta consultoría son una primera versión ejecutiva de los
impactos climáticos a nivel de región de desarrollo, se espera que los interesados regionales y
locales las puedan usar para propiciar discusiones basadas en datos cuantitativos y
complementarlas basado en sus experiencias y conocimientos locales.
112
Bibliografía
Abatzoglou, J. T., Dobrowski, S. Z., Parks, S. A., & Hegewisch, K. C. (2018). TerraClimate, a
high-resolution global dataset of monthly climate and climatic water balance from 1958–2015.
Scientific Data, 5, 170191. Retrieved from http://dx.doi.org/10.1038/sdata.2017.191
Argeñal, F. (2010). Variabilidad Climática y Cambio Climático en Honduras.
CEPAL, MiAmbiente, & Minas. (2016). La Economía del Cambio Climático en Honduras:
Mensajes Clave 2016. Ciudad de México.
Church, J. a., Clark, P. U., Cazenave, a., Gregory, J. M., Jevrejeva, S., Levermann, a., Merrifield,
M. a., Milne, G. a., Nerem, R. ., Nunn, P. D., Payne, a. J., Pfeffer, W. T., Stammer, D., &
Unnikrishnan, a. S. (2013). Sea level change. Climate Change 2013: The Physical Science Basis.
Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel
on Climate Change, 1137–1216. http://doi.org/10.1017/CB09781107415315.026
Clarke, L., Edmonds, J., Jacoby, H., Pitcher, H., Reilly, J., & Richels, R. (2007). Scenarios of
Greenhouse Gas Emissions and Atmospheric Concentrations. Washington, 7 DC., USA.
CNEG. (2010). República de Honduras, Visión de País 2010 – 2038 y Plan de Nación 2010‐ 2022.
Collins, W. J., Bellouin, N., Doutriaux-Boucher, M., Gedney, N., Halloran, P., Hinton, T., Hughes,
J., Jones, C. D., Joshi, M., Liddicoat, S., Martin, G., O’Connor, F., Rae, J., Senior, C., Sitch, S.,
Totterdell, I., Wiltshire, A., & Woodward, S. (2011). Development and evaluation of an Earth-
System model – HadGEM2. Geosci. Model Dev., 4(4), 1051–1075. http://doi.org/10.5194/gmd-4-
1051-2011
Copernicus Marine Service Information. (2018). Product user manual for Sea Level SLA products.
(CMEMS, Ed.).
Delworth, T. L., Broccoli, A. J., Rosati, A., Stouffer, R. J., Balaji, V., Beesley, J. A., Cooke, W.
F., Dixon, K. W., Dunne, J., Dunne, K. A., Durachta, J. W., Findell, K. L., Ginoux, P.,
Gnanadesikan, A., Gordon, C. T., Griffies, S. M., Gudgel, R., Harrison, M. J., Held, I. M., Hemler,
R. S., Horowitz, L. W., Klein, S. A., Knutson, T. R., Kushner, P. J., Langenhorst, A. R., Lee, H.-
C., Lin, S.-J., Lu, J., Malyshev, S. L., Milly, P. C. D., Ramaswamy, V., Russell, J., Schwarzkopf,
M. D., Shevliakova, E., Sirutis, J. J., Spelman, M. J., Stern, W. F., Winton, M., Wittenberg, A. T.,
Wyman, B., Zeng, F., & Zhang, R. (2006). GFDL’s CM2 Global Coupled Climate Models. Part I:
Formulation and Simulation Characteristics. Journal of Climate, 19(5), 643–674.
http://doi.org/10.1175/jcli3629.1
Donner, L. J., Wyman, B. L., Hemler, R. S., Horowitz, L. W., Ming, Y., Zhao, M., Golaz, J.-C.,
Ginoux, P., Lin, S.-J., Schwarzkopf, M. D., Austin, J., Alaka, G., Cooke, W. F., Delworth, T. L.,
Freidenreich, S. M., Gordon, C. T., Griffies, S. M., Held, I. M., Hurlin, W. J., Klein, S. A.,
Knutson, T. R., Langenhorst, A. R., Lee, H.-C., Lin, Y., Magi, B. I., Malyshev, S. L., Milly, P. C.
D., Naik, V., Nath, M. J., Pincus, R., Ploshay, J. J., Ramaswamy, V., Seman, C. J., Shevliakova,
113
E., Sirutis, J. J., Stern, W. F., Stouffer, R. J., Wilson, R. J., Winton, M., Wittenberg, A. T., & Zeng,
F. (2011). The Dynamical Core, Physical Parameterizations, and Basic Simulation Characteristics
of the Atmospheric Component AM3 of the GFDL Global Coupled Model CM3. Journal of
Climate, 24(13), 3484–3519. http://doi.org/10.1175/2011JCLI3955.1
Dufresne, J.-L., Foujols, M.-A., Denvil, S., Caubel, A., Marti, O., Aumont, O., Balkanski, Y., …
Vuichard, N. (2013). Climate change projections using the IPSL-CM5 Earth System Model: from
CMIP3 to CMIP5. Climate Dynamics, 40(9–10), 2123–2165. http://doi.org/10.1007/s00382-012-
1636-1
Dunne, J. P., John, J. G., Shevliakova, E., Stouffer, R. J., Krasting, J. P., Malyshev, S. L., Milly,
P. C. D., Sentman, L. T., Adcroft, A. J., Cooke, W., Dunne, K. A., Griffies, S. M., Hallberg, R.
W., Harrison, M. J., Levy, H., Wittenberg, A. T., Phillips, P. J., & Zadeh, N. (2013). GFDL’s
ESM2 Global Coupled Climate–Carbon Earth System Models. Part II: Carbon System
Formulation and Baseline Simulation Characteristics*. Journal of Climate, 26(7), 2247–2267.
http://doi.org/10.1175/JCLI-D-12-00150.1
ESGF. (2016). The Earth System Grid Federation (ESGF) Peer-to-Peer (P2P) enterprise system.
Retrieved from https://pcmdi.llnl.gov/projects/esgf-llnl/
Fick, S., & Hijmans, R. (2017). WorldClim 2: new 1‐km spatial resolution climate surfaces for
global land areas. International Journal of Climatology, 37(12), 4302–4315.
http://doi.org/10.1002/joc.5086
Fowler, H. J., Blenkinsop, S., & Tebaldi, C. (2007). Linking climate change modeling to impact
studies: recent advances in downscaling techniques of hydrological modeling. International
Journal of Climatology, (27), 1547–1578.
Fujino, J., Nair, R., Kainuma, M., Masui, T., & Matsuoka, Y. (2006). Multi-gas Mitigation
Analysis on Stabilization Scenarios Using Aim Global Model. The Energy Journal, Multi-
Gree(Special Issue #3), 343–354. Retrieved from
http://econpapers.repec.org/RePEc:aen:journl:2006se_weyant-a17
Funk, C., Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., Husak, G., Rowland, J.,
Harrison, L., Hoell, A., & Michaelsen, J. (2015). The climate hazards infrared precipitation with
stations—a new environmental record for monitoring extremes. Scientific Data, 2, 150066.
Retrieved from http://dx.doi.org/10.1038/sdata.2015.66
Gent, P. R., Danabasoglu, G., Donner, L. J., Holland, M. M., Hunke, E. C., Jayne, S. R., Lawrence,
D. M., Neale, R. B., Rasch, P. J., Vertenstein, M., Worley, P. H., Yang, Z.-L., & Zhang, M. (2011).
The Community Climate System Model Version 4. Journal of Climate, 24(19), 4973–4991.
http://doi.org/10.1175/2011JCLI4083.1
Harris, I., Jones, P. D., Osborn, T. J., & Lister, D. H. (2014). Updated high-resolution grids of
monthly climatic observations – the CRU TS3.10 Dataset. International Journal of Climatology,
34(3), 623–642. http://doi.org/10.1002/joc.3711
114
Hijioka, Y., Matsuoka, Y., Nishimoto, H., Masui, M., & Kainuma, M. (2008). Global GHG
emissions scenarios under GHG concentration stabilization targets. Journal of Global
Environmental Engineering, 13, 97–108.
Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G., & Jarvis, A. (2005). Very high resolution
interpolated climate surfaces for global land areas. International Journal of Climatology, 1978,
1965–1978. http://doi.org/10.1002/joc.1276
Hurrell, J. W., Holland, M. M., Gent, P. R., Ghan, S., Kay, J. E., Kushner, P. J., Lamarque, J.-F.,
Large, W. G., Lawrence, D., Lindsay, K., Lipscomb, W. H., Long, M. C., Mahowald, N., Marsh,
D. R., Neale, R. B., Rasch, P., Vavrus, S., Vertenstein, M., Bader, D., Collins, W. D., Hack, J. J.,
Kiehl, J., & Marshall, S. (2013). The Community Earth System Model: A Framework for
Collaborative Research. Bulletin of the American Meteorological Society, 94(9), 1339–1360.
http://doi.org/10.1175/BAMS-D-12-00121.1
Imbach, P., Chou, S. C., Lyra, A., Rodrigues, D., Rodriguez, D., Latinovic, D., Siqueira, G., Silva,
A., Garofolo, L., & Georgiou, S. (2018). Future climate change scenarios in Central America at
high spatial resolution. PLOS ONE, 13(4), e0193570.
http://doi.org/10.1371/journal.pone.0193570
IPCC. (2007). IPCC Fourth Assessment Report: Climate Change 2007 (AR4). (IPCC, Ed.).
Geneva, Switzerland: IPCC. Retrieved from
http://www.ipcc.ch/publications_and_data/publications_and_data_reports.shtml#1
IPCC. (2013). Climate Change 2013 The Physical Science Basis Working Group I Contribution
to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Stocker, T.F.,
D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. B. Cambridge
University Press United Kingdom and New York, NY, USA, 1535 pp.
Iversen, T., Bentsen, M., Bethke, I., Debernard, J. B., Kirkevåg, A., Seland, Ø., Drange, H.,
Kristjansson, J. E., Medhaug, I., Sand, M., & Seierstad, I. A. (2013). The Norwegian Earth System
Model, NorESM1-M – Part 2: Climate response and scenario projections. Geosci. Model Dev.,
6(2), 389–415. http://doi.org/10.5194/gmd-6-389-2013
Jarvis, A., Lane, A., & Hijmans, R. J. (2008a). The effect of climate change on crop wild relatives.
Agriculture, Ecosystems & Environment, 126(1–2), 13–23. http://doi.org/DOI:
10.1016/j.agee.2008.01.013
Jarvis, A., Reuter, H. I., Nelson, A., & Guevara, E. (2008b). Hole-filled seamless SRTM data V4.
(I. C. for T. A. (CIAT), Ed.). International Center for Tropical Agriculture (CIAT). Retrieved from
http://srtm.csi.cgiar.org
Jones, P. G., & Thornton, P. K. (2003). The potential impacts of climate change on maize
production in Africa and Latin America in 2055. Global Environmental Change, 13(1), 51–59.
http://doi.org/Doi: 10.1016/s0959-3780(02)00090-0
Jones, R., Noguer, M., Hassell, D., Hudson, D., Wilson, S., Jenkins, G., & Mitchell, J. (2004).
115
Generating high resolution climate change scenarios using PRECIS. Exeter, UK: Met Office
Hadley Centre.
Knutti, R., & Sedláček, J. (2012). Robustness and uncertainties in the new CMIP5 climate model
projections. Nature Climate Change, 3(4), 369–373. http://doi.org/10.1038/nclimate1716
Kobayashi, S., Ota, Y., Harada, Y., Ebita, A., Moriya, M., Onoda, H., ONOGI, K., KAMAHORI,
H., KOBAYASHI, C., ENDO, H., MIYAOKA, K., & TAKAHASHI, K. (2015). The JRA-55
Reanalysis: General Specifications and Basic Characteristics. Journal of the Meteorological
Society of Japan. Ser. II, 93(1), 5–48. http://doi.org/10.2151/jmsj.2015-001
Kremen et al., C. (2008). Aligning conservation priorities across taxa in Madagascar with high
resolution planning tools. Science , (320), 222–226.
Lobell, D., & Burke, M. (2010). Climate change and food security: adapting agriculture to a
warmer world. Advances in global change research. Dordrecht, New York: Springer.
Martin, G., Bellouin, N., Collins, W. J., Culverwell, I. D., Halloran, P. R., Hardiman, S. C., Hinton,
T. J., … Wiltshire, A. (2011). The HadGEM2 family of Met Office Unified Model climate
configurations. Geosci. Model Dev., 4(3), 723–757. http://doi.org/10.5194/gmd-4-723-2011
Mote, P., Brekke, L., Duffy, P. B., & Maurer, E. (2011). Guidelines for constructing climate
scenarios. Eos, Transactions American Geophysical Union, 92(31), 257.
http://doi.org/10.1029/2011EO310001
OMM. (2011). Guía de prácticas climatológicas. Organización Meteorológica Mundial (Vol.
100). http://doi.org/OMM-No 168
Peña, T. (2016). Diagnóstico de la información existente sobre el recurso hídrico, actores, roles,
avances, limitantes y necesidades. Tegucigalpa (Honduras).
Qian, B., Wang, H., He, Y., Liu, J., & De Jong, R. (2015). Projecting spring wheat yield changes
on the Canadian Prairies: effects of resolutions of a regional climate model and statistical
processing. International Journal of Climatology, n/a-n/a. http://doi.org/10.1002/joc.4571
Qiao, F., Song, Z., Bao, Y., Song, Y., Shu, Q., Huang, C., & Zhao, W. (2013). Development and
evaluation of an Earth System Model with surface gravity waves. Journal of Geophysical
Research: Oceans, 118(9), 4514–4524. http://doi.org/10.1002/jgrc.20327
Ramirez-Villegas, J., & Challinor, A. (2012). Assessing relevant climate data for agricultural
applications. Agricultural and Forest Meteorology, 161, 26–45.
http://doi.org/10.1016/j.agrformet.2012.03.015
Ramirez-Villegas, J., & Jarvis, A. (2010a). Downscaling Global Circulation Model Outputs: The
Delta Method. Decision and Policy Analysis Working Paper No. 1. Decision and Policy Analysis
Working Papers. Cali, Colombia: International Center for Tropical Agriculture (CIAT). Retrieved
from http://gisweb.ciat.cgiar.org/GCMPage/docs/Downscaling-WP-01.pdf
116
Ramirez-Villegas, J., & Jarvis, A. (2010b). Downscaling Global Circulation Model Outputs: The
Delta Method. Decision and Policy Analysis Working Paper No. 1. Decision and Policy Analysis
Working Papers. Cali, Colombia: International Center for Tropical Agriculture (CIAT).
Rao, S., & Riahi, K. (2006). The role of non-CO2 greenhouse gases in climate change mitigation:
Long-term scenarios for the 21st century. The Energy Journal, 27, 177–200. Retrieved from
http://pure.iiasa.ac.at/7872/
Riahi, K., Grübler, A., & Nakicenovic, N. (2007). Scenarios of long-term socio-economic and
environmental development under climate stabilization. Technological Forecasting and Social
Change, 74(7), 887–935. http://doi.org/http://dx.doi.org/10.1016/j.techfore.2006.05.026
Riahi, K., Rao, S., Krey, V., Cho, C., Chirkov, V., Fischer, G., Kindermann, G., Nakicenovic, N.,
& Rafaj, P. (2011). RCP 8.5---A scenario of comparatively high greenhouse gas emissions.
Climatic Change, 109(1), 33–57. http://doi.org/10.1007/s10584-011-0149-y
Rotstayn, L. D., Jeffrey, S. J., Collier, M. A., Dravitzki, S. M., Hirst, A. C., Syktus, J. I., & Wong,
K. K. (2012). Aerosol- and greenhouse gas-induced changes in summer rainfall and circulation in
the Australasian region: a study using single-forcing climate simulations. Atmos. Chem. Phys.,
12(14), 6377–6404. http://doi.org/10.5194/acp-12-6377-2012
Rummukainen, M. (2010). State-of-the-art with regional climate models. Wiley Interdisciplinary
Reviews-Climate Change, 1(1), 82–96. http://doi.org/10.1002/wcc.008
Salathé, P., Mote, P., & Wiley, M. W. (2007). Review of scenario selection and downscaling
methods for the assessment of climate change impacts on hydrology in the United States pacific
northwest. International Journal of Climatology, (27), 1611–1621.
Schlenker, W., & Lobell, D. B. (2010). Robust negative impacts of climate change on African
agriculture. Environmental Research Letters, 5(1), 14010. Retrieved from
http://stacks.iop.org/1748-9326/5/i=1/a=014010
Schmidt, G. A., Kelley, M., Nazarenko, L., Ruedy, R., Russell, G. L., Aleinov, I., Bauer, M.,
Bauer, S. E., Bhat, M. K., Bleck, R., Canuto, V., Chen, Y.-H., Cheng, Y., Clune, T. L., Del Genio,
A., de Fainchtein, R., Faluvegi, G., Hansen, J. E., Healy, R. J., Kiang, N. Y., Koch, D., Lacis, A.
A., LeGrande, A. N., Lerner, J., Lo, K. K., Matthews, E. E., Menon, S., Miller, R. L., Oinas, V.,
Oloso, A. O., Perlwitz, J. P., Puma, M. J., Putman, W. M., Rind, D., Romanou, A., Sato, M.,
Shindell, D. T., Sun, S., Syed, R. A., Tausnev, N., Tsigaridis, K., Unger, N., Voulgarakis, A., Yao,
M.-S., & Zhang, J. (2014). Configuration and assessment of the GISS ModelE2 contributions to
the CMIP5 archive. Journal of Advances in Modeling Earth Systems, 6(1), 141–184.
http://doi.org/10.1002/2013MS000265
Schmidt, G. A., Ruedy, R., Hansen, J. E., Aleinov, I., Bell, N., Bauer, M., Bauer, S., Cairns, B.,
Canuto, V., Cheng, Y., Del Genio, A., Faluvegi, G., Friend, A. D., Hall, T. M., Hu, Y., Kelley, M.,
Kiang, N. Y., Koch, D., Lacis, A. A., Lerner, J., Lo, K. K., Miller, R. L., Nazarenko, L., Oinas,
V., Perlwitz, J., Perlwitz, J., Rind, D., Romanou, A., Russell, G. L., Sato, M., Shindell, D. T.,
Stone, P. H., Sun, S., Tausnev, N., Thresher, D., & Yao, M.-S. (2006). Present-Day Atmospheric
117
Simulations Using GISS ModelE: Comparison to In Situ, Satellite, and Reanalysis Data. Journal
of Climate, 19(2), 153–192. http://doi.org/10.1175/jcli3612.1
SERNA. (2000). Primera Comunicación de Honduras a la Convención Marco de las Naciones
Unidas sobre Cambio Climático. Tegucigalpa, Honduras.
Smith, S. J., & Wigley, T. M. L. (2006). Multi-Gas Forcing Stabilization with Minicam. The
Energy Journal, Multi-Gree(SI3). http://doi.org/10.5547/ISSN0195-6574-EJ-VolSI2006-NoSI3-
19
Tabor, K., & Williams, J. W. (2010). Globally downscaled climate projections for assessing the
conservation impacts of climate change. Ecological Applications, 20(2), 554–565. Retrieved from
http://ccr.aos.wisc.edu/publications/pdfs/globaldownscale.pdf
Tang, J., Niu, X., Wang, S., Gao, H., Wang, X., & Wu, J. (2016). Statistical downscaling and
dynamical downscaling of regional climate in China: Present climate evaluations and future
climate projections. Journal of Geophysical Research: Atmospheres, 121(5), 2110–2129.
http://doi.org/10.1002/2015JD023977
Taylor, K. E., Stouffer, R. J., & Meehl, G. A. (2012). An overview of CMIP5 and the Experiment
Design. Bulletin of the American Meteorological Society, 1–39. http://doi.org/10.1175/BAMS-D-
11-00094.1
van Vuuren, D. P., Eickhout, B., Lucas, P. L., & den Elzen, M. G. J. (2006). Long-Term Multi-
Gas Scenarios to Stabilise Radiative Forcing — Exploring Costs and Benefits Within an
Integrated Assessment Framework. The Energy Journal, 27, 201–233. Retrieved from
http://www.jstor.org/stable/23297082
van Vuuren, D. P., Elzen, M. J. G., Lucas, P. L., Eickhout, B., Strengers, B. J., Ruijven, B.,
Wonink, S., & Houdt, R. (2007). Stabilizing greenhouse gas concentrations at low levels: an
assessment of reduction strategies and costs. Climatic Change, 81(2), 119–159.
http://doi.org/10.1007/s10584-006-9172-9
Watanabe, 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., Takata, K., Emori, S., & Kawamiya,
M. (2011). MIROC-ESM 2010: model description and basic results of CMIP5-20c3m
experiments. Geosci. Model Dev., 4(4), 845–872. http://doi.org/10.5194/gmd-4-845-2011
Williams, M. (2014, July 9). Scientists urge more frequent updates of 30-year climate baselines to
keep pace with rapid climate change. Press Release No. 997. Heidelberg, Germany. Retrieved
from https://www.wmo.int/pages/mediacentre/press_releases/pr_997_en.html
Wise, M., Calvin, K., Thomson, A., Clarke, L., Bond-Lamberty, B., Sands, R., Smith, S. J.,
Janetos, A., & Edmonds, J. (2009). Implications of limiting CO2 concentrations for land use and
energy. Science (New York, N.Y.), 324(5931), 1183–1186. http://doi.org/10.1126/science.1168475
WMO. (2012). Technical Regulations, Volume I: General Meteorological Standards and
Recommended Practices (Vol. I). http://doi.org/ISBN: 978-92-631-0049-8
118
WMO. (2015). Manual on the Global Observing System, Volume I - Global aspects: Annex V to
the WMO Technical Regulations (No. 544). WMO. Retrieved from
http://library.wmo.int/pmb_ged/wmo_544-v1-2015_en.pdf
Wu, T. (2012). A mass-flux cumulus parameterization scheme for large-scale models: description
and test with observations. Climate Dynamics, 38(3–4), 725–744. http://doi.org/10.1007/s00382-
011-0995-3
Xin, X., Wu, T., Li J, F., Wang, Z., & Li, W. (2012). How Well does BCC_CSM1.1 Reproduce
the 20th Century Climate Change over China? Atmospheric and Oceanic Science Letters, 6(1),
21–26. Retrieved from http://159.226.119.58/aosl
Xin, X., Zhang, L., Zhang, J., Wu, T., & Fang, Y. (2013). Climate Change Projections over East
Asia with BCC_CSM1.1 Climate Model under RCP Scenarios. Journal of the Meteorological
Society of Japan. Ser. II, 91(4), 413–429. http://doi.org/10.2151/jmsj.2013-401
Yukimoto, S., Adachi, Y., Hosaka, M., Sakami, T., Yoshimura, H., Hirabara, M., Tanaka, T. Y.,
Shindo, E., Tsujino, H., Deushi, M., Mizuta, R., Yabu, S., Obata, A., Nakano, H., Koshiro, T.,
Ose, T., & Kitoh, A. (2012). A New Global Climate Model of the Meteorological Research
Institute: MRI-CGCM3 —Model Description and Basic Performance— Journal of
the Meteorological Society of Japan. Ser. II, 90A, 23–64. http://doi.org/10.2151/jmsj.2012-A02
Yukimoto, S., Yoshimura, H., Hosaka, M., Sakami, T., Tsujino, H., Hirabara, M., Tanaka, T.,
Deushi, M., Obata, A., Nakano, H., Adachi, Y., Shindo, E., Yabu, S., Ose, T., & Kitoh, A. (2011).
Meteorological Research Institute-Earth System Model v1 (MRI-ESM1)—Model Description.
Ibaraki, Japan.
Zhang, X. C. (2006). Spatial downscaling of global climate model output for site-specific
assessment of crop production and soil erosion. Agricultural and Forest Meteorology, (135), 215–
229.
119
Anexos
120
39033 ENEE Manto -86.38 14.92 55028 INETER LaMajada -85.86 12.62
39026 SERNA Punuare -85.97 14.74 55029 INETER Guasimón -85.54 12.94
39042 ENEE Rioabajo -86.81 14.44 55036 INETER ErmitaEsquipulas -85.63 13.15
39031 ENEE Sanantonio -86.31 14.66 55041 INETER LosHorcones -86.07 13.22
19102 SERNA Sanisidro -89.17 14.83 55043 INETER LaPorfia -86.05 13.15
39035 ENEE Aldeavieja -86.68 14.64 55051 INETER EmpalmeAranjuez -85.92 13.02
33016 ENEE Yorito -87.28 15.07 55053 INETER ErmitaSanJose -85.62 13.27
56035 COPECO 21deOctubre -87.17 14.11 58001 INETER PaloGrande -87.03 12.99
25028 COPECO AguaCaliente -87.29 14.68 58002 INETER SanJuandeLimay -86.61 13.18
78700 COPECO Amapala -87.65 13.29 58003 INETER SanJosedeCusmapa -86.65 13.29
31061 COPECO Balfate -86.38 15.78 60002 INETER MinaElLimon -86.74 12.75
251720 COPECO flores -87.57 14.29 60006 INETER Achuapa -86.59 13.05
Smn.Hon 60009 INETER Villa15Julio -86.95 12.79
COPECO Galeras -88.24 14.94
d020 60012 INETER Nacascolo -86.48 13.00
56070 COPECO Jacaleapa -86.67 14.02 61022 INETER SanJuandeDios -84.98 12.36
78705 COPECO LaCeiba -86.84 15.75 64018 INETER Chinandega -87.13 12.63
25065 COPECO LaLabor -89.01 14.49 64034 INETER Corinto -87.20 12.52
78708 COPECO LaMesa -87.93 15.45 64035 INETER Jiquilillo -87.44 12.73
390600 COPECO lepaguare -86.44 14.62 64043 INETER León -86.91 12.43
56011 COPECO Moroceli -86.87 14.12 69021 INETER SanRafaeldelNorte -86.12 13.22
78718 COPECO N.Ocotepeque -89.19 14.43 69023 INETER ELCascabel -85.71 12.45
33004 COPECO Olanchito -86.56 15.47 69025 INETER SanFranciscoLibre -86.28 12.50
21024 COPECO Omoa -88.04 15.77 69035 INETER MinaLaIndia -86.30 12.75
78703 COPECO Roatan -86.53 16.32 69037 INETER LaConcordia -86.17 13.20
54003 COPECO SabanaGrande -87.26 13.80 69056 INETER SanLorenzoBoaco -85.67 12.38
56031 COPECO SantaLucia -87.12 14.12 69058 INETER AguasZarcas -86.10 13.01
78707 COPECO Yoro -87.13 15.12 69059 INETER SantaRosadelPeñón -86.37 12.80
Ptobarr INSIVUMEH PtoBarr -88.59 15.74 69060 INETER BajolosOrtegas -85.97 12.54
Launión INSIVUMEH LaUnión -89.29 14.96 69061 INETER ElBocon -86.22 12.91
Camotán INSIVUMEH Camotán -89.37 14.82 69063 INETER ValleSantaCruz -86.32 13.02
Esquip INSIVUMEH Esquip -89.51 14.56 69067 INETER SanJosédelosRemates -85.76 12.60
Asunmit INSIVUMEH AsunMit -89.71 14.33 69084 INETER Boaco -85.66 12.47
Cahabón INSIVUMEH Cahabón -89.81 15.61 69092 INETER LosPotrerios -86.20 13.14
Panzos INSIVUMEH Panzos -89.64 15.40 69093 INETER SanLorenzoII -86.20 13.02
45004 INETER Quilali -86.03 13.57 69113 INETER LaMontaña -86.42 12.89
45007 INETER Somoto -86.59 13.48 Elaguacat
SANAA Elaguacatal -87.37 13.98
45008 INETER Macuelizo -86.60 13.48 al
45009 INETER Murra -86.02 13.76 560105 SANAA Labrea -87.39 14.05
45010 INETER Telpaneca -86.29 13.53 Lassabana
SANAA Lassabanas -87.34 14.03
45012 INETER SantaRosadeVentia -85.90 13.54 s
45014 INETER HaciendaPalmira -86.52 13.59 560303 SANAA Quiebramontes(Hmo) -87.31 14.00
45016 INETER SanFernando -86.32 13.68 560301 SANAA Elbatallón -87.26 14.00
45017 INETER Ocotal -86.47 13.62 560106 SANAA Concepcion(Hmo) -87.27 13.99
45018 INETER LasPraderas -85.95 13.35 Rinconde SANAA Rinconde -87.39 14.10
45024 INETER SanJuandeRíoCoco -86.17 13.54 5602 SANAA Sanmatias -87.34 14.14
45027 INETER SanLucas -86.61 13.41 A.15 MARN Güija -89.47 14.23
45030 INETER SantaLeonor -86.33 13.47 A.18 MARN FincaLosAndes -89.63 13.87
45033 INETER Jalapa -86.13 13.93 A.27 MARN CandelariadelaFrontera -89.66 14.12
45036 INETER Montañuela -86.47 13.29 A.31 MARN PlanesdeMontecristo -89.36 14.40
45037 INETER ElGuanacaste -86.34 13.26 A.37 MARN SantaAna-UNICAES -89.55 13.98
45039 INETER LosPlanes -86.55 13.78 B.01 MARN ChorreradelGuayabo -88.76 13.99
47002 INETER PuertoCabezas -83.38 14.05 B.06 MARN Sensuntepeque -88.64 13.87
53008 INETER Rosita -84.41 13.93 B.10 MARN CerrónGrande -88.90 13.93
53010 INETER Bonanza -84.59 14.02 C.09 MARN Cojutepeque -88.93 13.72
55001 INETER CorintoFinca -85.88 13.17 G.03 MARN NuevaConcepción -89.29 14.13
55002 INETER HaciendaSanFrancisco -85.87 12.95 G04 MARN LaPalma -89.16 14.28
55003 INETER MinaLaReyna -85.81 12.92 G.13 MARN LasPilas -89.10 14.37
55004 INETER Caretera -85.75 13.16 H.08 MARN Ahuachapán -89.86 13.94
55005 INETER Sebaco -86.09 12.86 L.04 MARN SanAndres -89.40 13.81
55006 INETER LosRobles -85.95 13.17 T.06 MARN AcajutlaPuertoNuevo -89.83 13.58
55009 INETER Dario -86.13 12.73 T.24 MARN LosNaranjos -89.67 13.87
55010 INETER BuenaEsperanza -85.42 12.63 V.09 MARN PuenteCuscatlán -88.59 13.60
55011 INETER LaLabranza -85.97 12.83 Z.02 MARN SanFranciscoGotera -88.11 13.69
55012 INETER Trapichito -85.37 12.70 Z.03 MARN Perquín -88.16 13.96
55013 INETER TierraAzul -85.55 12.70 L.08 MARN SantaTeclaSM. -89.17 13.41
55016 INETER SanDionisio -85.85 12.76 L.27 MARN Chiltiupán -89.48 13.59
55017 INETER Camoapa -85.52 12.38 M.24 MARN SanMiguel-UES -88.16 13.44
55018 INETER Esquipulas -85.79 12.66 N.02 MARN LaUniónCORSAIN -87.81 13.32
55023 INETER SantaRita -85.40 12.53 S.10 MARN Ilopango -89.12 13.70
55025 INETER SanRamón -85.84 12.92
55026 INETER Terrabona -85.97 12.73
55027 INETER MuyMuy -85.63 12.76
121
Anexo 2. Listado general de estaciones con información de temperatura empleadas en el desarrollo de la
línea base climatológica luego del control de calidad
123
Anexo 4. Disponibilidad de datos de estaciones de COPECO
124
Anexo 5. Disponibilidad de datos de estaciones de ENEE
125
Anexo 6. Disponibilidad de datos de estaciones de SANAA
126
Anexo 7. Guía de consulta de estaciones meteorológicas procesadas por CIAT para CENAOS-COPECO
127
128
Anexo 8. Guía de consulta de estaciones meteorológicas procesadas por CIAT para INETER (Nicaragua)
129
130
Anexo 9. Guía de consulta de estaciones meteorológicas procesadas por CIAT para SANAA
131
Anexo 10. Agenda módulo de capacitación a expertos
Lugares y fechas:
Jornada 1: Miércoles 12 de Septiembre 8:30 a.m – 12:30 a.m
EAP Zamorano- Auditorio departamento de Ambiente y Desarrollo
Jornada 2: Miércoles 12 de Septiembre 1:30 p.m – 5:30 p.m
EAP Zamorano- Auditorio departamento de Ambiente y Desarrollo
Jornada 3: Jueves 12 de Septiembre 2:00 p.m – 5:00 p.m
MiAmbiente- Auditorio centro interactivo
Objetivo:
Capacitar a expertos hondureños en el área de sistemas de información geográfica (SIG)
interesados en el tema de cambio climático y el manejo de la información espacial generada sobre
los escenarios de Cambio Climático para Honduras.
Introducción:
Las superficies climáticas de alta resolución, tanto de las condiciones actuales (Línea base) como
de cambio climático, son juegos de datos que pueden ser utilizados con múltiples propósitos en
la gestión ambiental del país. Estas superficies se constituyen en un punto de referencia para
entender los efectos de cambio climático y planificar acciones de adaptación y mitigación en
diversos sectores como la agricultura, hídrico, salud, infraestructura, biodiversidad, entre muchos
otros.
Sin embargo, uno de los principales limitantes para la apropiación y uso habitual de este tipo de
información espacial en el país, por ejemplo con la información de la segunda comunicación
nacional de Cambio Climático (Argeñal, 2010), ha sido la limitada difusión y las dificultades propias
de la manipulación de múltiples superficies climáticas de alta resolución en un SIG. Esta
consultoría, está colocando a disposición más de 1000 superficies climáticas de todo el país, con
diferentes variables climáticas de las condiciones actuales y proyectadas a diferentes horizontes
de tiempo y escenarios de acumulación de Gases Efecto Invernadero (GEI). Por lo que se hace
necesario capacitar a interesados expertos en el área de SIG para que estos a su vez puedan
difundir el uso de este tipo de superficies.
132
Materiales Requeridos: Computador portátil con ArcGIS y extensiones de análisis espacial, R
y R Studio Instalados. Deseable la lectura previa de métodos y resultados obtenidos en esta
consultoría (Proveídos por el equipo de la TCN/BUR).
133
1:50 pm – 2:00 pm P&R
2:00 pm – 3:30 pm Ejercicios con datos de los escenarios de cambio climático de
Honduras en R (Cortar una región, extraer una serie, visualizar, exportar
mapas, gráfico de líneas, climograma).
3:30 pm – 4:30 pm Generación de estadísticas espaciales en ArcGIS. Mostrar el aplicativo.
Model Builder, ejercicio regiones de desarrollo
4:30 pm – 5:00 pm Retroalimentación de la jornada. Invitación al segundo día.
134
Anexo 11. Agenda módulo de capacitación a tomadores de decisión
Lugares y fechas:
Jornada 1: Jueves 13 de Septiembre 9:00 a.m – 12:00 a.m
MiAmbiente- Auditorio centro interactivo
Jornada 2: Jueves 13 de Septiembre 1:00 a.m – 5:00 a.m
MiAmbiente- Auditorio centro interactivo
Jornada 3: Viernes 14 de Septiembre 9:00 a.m – 12:00 p.m
MiAmbiente- Auditorio centro interactivo
Objetivo:
Capacitar a interesados y tomadores de decisión en torno al cambio climático en la interpretación
y uso de la información de escenarios de cambio climático en Honduras.
Racionalidad:
Las superficies climáticas de alta resolución, tanto de las condiciones actuales (Normal
climatológica actual) como de cambio climático, son juegos de datos que pueden ser utilizados
con múltiples propósitos en la gestión ambiental del país. Estas superficies se constituyen en un
punto de referencia para entender los efectos de cambio climático y planificar acciones de
adaptación y mitigación en diversos sectores como la agricultura, hídrico, salud, infraestructura,
biodiversidad, entre muchos otros.
En este taller se busca familiarizar a diversos interesados y tomadores de decisiones con los
conceptos asociados a la generación de este tipo de información, además propiciar una discusión
basada en los hallazgos de los escenarios generados. Todo esto mediante la interacción con
plataformas informáticas que han sido diseñadas para difundir los conceptos e interactuar con la
información. Se busca que este primer grupo de interesados pueda replicar el módulo y
empoderarse de los métodos y resultados obtenidos y/o pueda colaborar en el futuro en moderar
espacios de discusión basados en la información generada en esta consultoría.
135
Jornada 1: Jueves 13 de Septiembre 9:00 a.m – 12:00 a.m
Lugar: MiAmbiente- Auditorio centro interactivo
Hora Actividad
9:00 am – 09:30 am Bienvenida y Registro de los participantes
Presentación de los participantes
9:30 am – 10:30 am Presentaciones cortas
- Introducción a la 3ra Comunicación
- Introducción a la consultoría
- Registro al módulo virtual
- Unidad 1- estado del tiempo y clima
- Variabilidad y Cambio Climático
136
Anexo 12. Registro fotográfico del módulo académico de capacitación presencial en la EAP Zamorano y
el centro interactivo de mi Ambiente+
137
Fotografía del grupo capacitado
138
Creación de usuario para desarrollar módulo virtual y generación de grupos para impartir
el módulo a grupos de interesados de diferentes instituciones en cambio climático.
139
Análisis de las fichas de escenarios de cambio Climático por cada Región de desarrollo
140
DESARROLLO DE LOS ESCENARIOS
CLIMÁTICOS DE HONDURAS Y MÓDULO
ACADÉMICO DE CAPACITACIÓN
Sdp/00090482/001-2017