Reporte TécnicoPE2020-02
Avances de los escenarios decambio climático en Perú:Proyecciones al 2050
SERVICIO NACIONAL DE METEOROLOGÍA E HIDROLOGÍA DEL PERÚSENAMHI
SUBDIRECCIÓN DE MODELAMIENTO NUMÉRICO DE LA ATMÓSFERA
CONVENIO SENAMHI - LIBÉLULA
Avances de los escenarios de cambio climático en Perú: Proyecciones al 2050
Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI)
El presente reporte técnico de avance ha sido realizado por la Subdirección de Modelamiento Numérico del SENAMHI Perú –organismo público adscrito del Ministerio de Ambiente– en marco del Proyecto Apoyo a la Gestión del Cambio Climático Segunda Fase (2019-2021), proyecto financiado por la
Agencia Suiza para el Desarrollo y la Cooperación (COSUDE) e implementado por South South North (SSN) y Libélula Instituto del Cambio
Global bajo la dirección del Ministerio del Ambiente (MINAM).
La Subdirección de Modelamiento Numérico de la Atmósfera del SENAMHI, como entidad rectora en la evaluación del clima en el país, elaboró el presente reporte en marco del estudio “Escenarios climáticos para el año 2050 a nivel nacional: Aplicaciones en salud, agua y biomas” que se viene ejecutando como parte del “Proyecto de Apoyo a la Gestión del Cambio Climático (Gestión CC), Segunda Fase” y gracias al financiamiento de la Agencia Suiza para el Desarrollo y la Cooperación (COSUDE), con la finalidad de brindar información sobre el avance de las proyecciones del clima a largo plazo en el contexto de un escenario de altas emisiones (RCP8.5) para el horizonte 2036-2065, centrado al año 2050 respecto al periodo de referencia 1981-2005 en el Perú.
Según Convención Marco de las Naciones Unidas sobre Cambio Climático (CMNUCC), el cambio climático se atribuye directa o indirectamente a la actividad humana que altera la composición de la atmósfera mundial y que se suma a la variabilidad natural del clima a largo plazo. Estos hechos han tenido un impacto progresivo en el incremento de la temperatura media del aire, océanos, pérdida de cobertura glaciar, daños en áreas agrícolas, degradación de ecosistemas, aumento en la exposición de enfermedades, desplazamiento de recursos hidrobiológicos, entre otros. Para hacer frente a este problema global, esfuerzos internacionales se comprometieron a través del Acuerdo de París para limitar el aumento de la temperatura media global a 1,5°C respecto a los niveles preindustriales y sumar esfuerzos para afrontar las consecuencias del cambio climático y aumentar su resiliencia (IPCC, 2019).
Resumen
En este contexto, el presente reporte se ha dividido en tres capítulos para su mejor comprensión. En el primero, se brinda información conceptual y metodológica de las proyecciones climáticas, en el segundo capítulo, se aborda el tratamiento de incertidumbres y limitaciones en el uso de información debido a que este reporte es un primer avance del Estudio de Escenarios de Cambio Climático para el Perú al 2050 bajo dos escenarios de emisión (RCP4.5 y RCP8.5) que será culminado a mediados del 2021 y el cual considera escenarios climáticos obtenidos con metodologías estadísticas además de un análisis con mayor cantidad de modelos climáticos regionales previamente validados para un mejor manejo de la incertidumbre.
Asimismo, ante la alta vulnerabilidad del Perú frente a los efectos del cambio climático, el SENAMHI viene actualizando los escenarios de cambio climático regionales desde el año 2003 y desde entonces, las técnicas de modelamiento del clima de largo plazo, tiempo en las simulaciones y manejo de incertidumbres ha ido mejorando significativamente para continuar retroalimentando las acciones de los tomadores de decisión en los sectores y la sociedad en su conjunto.
En el tercer capítulo, se presentan los mapas de cambio o variaciones promedio anual y estacional de la temperatura máxima, mínima y precipitación al 2050 para finalmente dar paso a las conclusiones y referencias bibliográficas.
En cumplimiento de este acuerdo mundial, el Perú ha ratificado su compromiso a través las Contribuciones Nacionalmente Determinadas (NDCs, por sus siglas en inglés) y la Ley Marco de Cambio Climático – Ley Nº30754, y su Reglamento donde el SENAMHI cumple un rol fundamental, generando información científica climática que sirve de base en los estudios integrados de impacto, vulnerabilidad, riesgo y adaptación ante los efectos de Cambio Climático a través de su autoridad nacional, el Ministerio del Ambiente.
Desarrollo de las proyecciones de la precipitación y las temperaturas
extremas del aire al 2050
CAPÍTULO
1
El desarrollo de las proyecciones de la precipitación y las
temperaturas extremas del aire centradas al 2050 se llevaron
a cabo a través de los procedimientos establecidos en la
“Guía metodológica para la generación de escenarios de
cambio climático” del SENAMHI (2020) en donde se
recopilaron metodologías, avances científicos y experiencias
relacionadas a los escenarios de cambio climático.
Se ejecutaron tres etapas: La primera inició con el
preprocesamiento de la información que consistió en
seleccionar el escenario de emisión y los modelos globales
previamente validados. En la segunda se aplicó la técnica de
regionalización dinámica o “downscaling” y en la tercera, se
realizaron correcciones de las salidas numéricas.
SELECCIÓN DEL ESCENARIO DE EMISIÓN
Según el Panel Intergubernamental de Cambio Climático (IPCC, por sus siglas en inglés), los
escenarios de emisión son representaciones posibles de cómo podría desarrollarse en un futuro los
gases de efecto invernadero (GEI) y son considerados herramientas apropiadas en el análisis del
cambio climático y la modelización del clima. Las emisiones de GEI son el producto de los sistemas
dinámicos muy complejos determinados por fuerzas impulsoras y por tanto, su evolución futura es
muy incierta.
En el Quinto Informe de Evaluación del IPCC (AR5), se definieron 4 nuevos escenarios de emisión
denominados “Trayectorias de Concentración Representativas” o RCP (por sus siglas en inglés), las
cuales contemplan el efecto de las políticas orientadas a limitar el cambio climático, a diferencia de los
escenarios de emisión anteriores en su Cuarto Informe (AR4), denominados SRES. En esta última
actualización, se considera además el desarrollo demográfico, el desarrollo socioeconómico y el
cambio tecnológico.
Cabe resaltar que los escenarios de emisión no son predicciones ni previsiones del clima, sino son
una base referencial y descripción plausible de cómo puede evolucionar en el futuro a través de
supuestos como los mencionados: políticos, demográficos o económicos. Y al respecto, es necesario
considerar que existe una incertidumbre asociada por cómo evolucionará la respuesta humana en
cuanto a su crecimiento demográfico, estructura económica, adelantos tecnológicos, entre otros;
debido a ello se recomienda analizar con detenimiento y utilizar con gran precaución. (IPCC, 2014).
ETAPA 1: PREPROCESAMIENTO
Para fines del presente informe, se seleccionó el escenario
de mayores emisiones, conocido como RCP8.5.
Asimismo, el periodo de referencia o por el cual se
midieron los cambios en las simulaciones a futuro fue del
año 1981-2005.
1
PREPROCESAMIENTO
PROCESAMIENTO
POSPROCESAMIENTO
Evaluación de la regionalización dinámica.
Regionalización de modelos globales mediante técnicas dinámicas.
Aspectos generales para la generación y análisis de los
escenarios de cambio climático
Para publicación julio 20201
MODELOS CLIMÁTICOS DE LARGO PLAZO GLOBAL Y REGIONAL
Una de las herramientas necesarias en la elaboración de proyecciones del clima futuro son los
modelos de circulación general o MCGs (por sus siglas en inglés), los cuales se basan en leyes
físicas y otros recursos físicos más simplificados como las “parametrizaciones” para los procesos de
menor escala como por ejemplo, la dinámica de las nubes o las mezclas de las corrientes oceánicas.
Los MCGs simulan el clima en tres coordenadas espaciales y en el tiempo, aquí tanto la atmósfera
como el océano se dividen en mallas horizontales y verticales cuyo valor en cada espacio o grilla
representa la resolución espacial del modelo siendo hoy en día entre 100 a 200 km
aproximadamente. Es importante indicar que actualmente se utilizan modelos acoplados, es decir,
sistemas que consideran la interacción de modelos para cada componente del sistema climático:
atmósfera, océano, litósfera, criósfera y biósfera.
Se descargaron variables de superficie y en distintos
niveles de la atmósfera cada seis horas, de los
M C G s H a d G E M 2 - E S y e l M P I - E S M - L R
pertenecientes al Proyecto de Intercomparación de
modelos globales acoplados (CMIP5).
Con relación al modelo regional, se utilizó el modelo
Weather Research and Forecasting (WRF) que ha
sido implementado por el SENAMHI desde el 2009.
Dentro de las principales bondades y características
del modelo WRF se encuentra su versatilidad en el
sistema de ecuaciones, uso de coordenadas
verticales sigma que se ajusta a la topografía, es no
hidrostática, compresible, conservativa para las
variables escalares, entre otras.
El proceso de validación de los MCGs es un paso determinante en el proceso de elaboración de
proyecciones de cambio climático y consiste en el análisis físico y estadístico de los modelos con el fin
de determinar su performance en la representación de los patrones de circulación de alta y baja
tropósfera sobre Sudamérica (nuestra región de interés). Por lo general, para que esto sea realizado
objetivamente, las salidas de las simulaciones deben ser comparadas con las observaciones
(reanálisis) para determinar qué variables son representadas coherentemente, subestimadas,
sobreestimadas o acordes; en regiones establecidas de estudio, ya sea en superficie o en
determinada altura de la atmósfera con la realidad.
El presente trabajo, ha tomado como referencia los criterios y sugerencias de Llacza y Barreto (2014) y Barreto
(2016) para una adecuada selección de modelos. Todo ello a través de la evaluación de los patrones de
circulación del Anticiclón del Pactico Sur Oriental (APSO), Alta de Bolivia (AB) y la Zona de Convergencia
Intertropical (ZCIT) entre otras. Un resultado relevante en esta investigación fue la determinación de los
modelos globales del CMIP5 validados en la región de Sudamérica, resultando los modelos de buena
performance HadGEM2-ES y MPI-ESM-LR. Cabe señalar que este proceso no sólo consta de una práctica
cualitativa, sino también cuantitativa a través de métricas estadísticas. Adicionalmente, se contó con los
resultados de Álvarez (2019) quien complementó los estudios previos con un análisis exhaustivo de las
variables de superficie y la temperatura superficial del mar (TSM) a diferentes escalas trimestral y anual para el
periodo1981-2005, aplicando el método de descomposición vectorial para su análisis.
VALIDACIÓN DE LOS MODELOS CLIMÁTICOS EN EL PERIODO ACTUAL
2
Proporcionan una descripción completa del clima mundial observado, combinan observaciones pasadas con modelos para generar series temporales consistentes de múltiples variables climáticas. Fuente: https://climate.copernicus.eu/climate-reanalysis?q=products/climate-reanalysis
2
CONDICIONES DE ENTRADA PARA LA MODELIZACIÓN CLIMÁTICA REGIONAL
Para un adecuado uso de datos de los MCGs dentro del modelo WRF, se realizó el siguiente
procedimiento: conversión de coordenadas verticales híbridas a isobáricas en los datos
atmosféricos, interpolación horizontal de la TSM, entre otros.
La corrección estadística a los datos de los MCGs fue aplicada (Bruyère, 2015), tomando como base
el reanálisis ERA-Interim, la cual permite reducir errores sistemáticos de las condiciones iniciales y de
contorno a fin de obtener una mejor aproximación para su uso dentro del modelo WRF. La corrección
se realizó mediante las siguientes relaciones:
Debido a que los MCGs presentan una baja resolución espacial (entre 100 y 200 km), existen
metodologías que permiten alcanzar información a escala regional para estudios a mayor detalle
sobre una región, microcuenca, provincia, distrito u otros. La técnica que mejora la resolución
espacial en las proyecciones de cambio climático es conocida como downscaling o regionalización,
éstas adaptan las salidas de los modelos globales a las características fisiográficas de una
determinada región con una resolución espacial apropiada para ser directamente utilizadas en
modelos de impactos (Acuña et al., 2012).
Las técnicas de downscaling o regionalización se pueden agrupar en dinámicas o estadísticas; sin
embargo, la metodología empleada en la presente investigación es la regionalización dinámica por
ser físicamente consistente. Esta técnica permite capturar los efectos orográficos, eventos climáticos
extremos y efectos no lineales como aquellos relacionados con El Niño. Sin embargo, este método
requiere de un alto costo computacional y gran espacio de almacenamiento.
ETAPA 2: PROCESAMIENTO
REGIONALIZACIÓN O DOWNSCALING
Recopila, valida y procesa información de modelos numéricos globales, considerando el escenario de altas emisiones (RCP8.5).
Mediante el proceso de reducción de escala (regionalización) se simula el clima futuro a alta resolución espacial, con proyecciones centradas al 2050 que comprende el periodo 2036-2065.
CMIP5M = Promedio multianual del modelo del CMIP5
CMIP5Mr = Promedio multianual del modelo del CMIP5 corregido
Donde:
ERAI = Perturbación del reanálisis ERA Interim
ERAI = Promedio multianual del reanálisis ERA Interim
CMIP5M = Perturbación del modelo del CMIP51
1
CMIP5M = CMIP5M + CMIP5M
ERAI = ERAI + ERAI
CMIP5Mr = ERAI + CMIP5M
1
1
1
ETAPA 3: POSPROCESO
A los datos resultantes de la simulación climática se realiza el cambio de formato (netCDF a grib) e
interpolación de la coordenada vertical de la atmósfera (sigma-presión a presión).
En esta etapa también se evaluaron los resultados de la regionalización dinámica con datos grillados
de PISCO (Peruvian Interpolated data of the SENAMHI's Climatological and hydrological
Observations) en el periodo de referencia 1981-2005.
En base a ello, a través del método de corrección estadística, se procedió a eliminar el error
sistemático de tipo directo a nivel mensual de la precipitación acumulada, temperatura máxima,
temperatura mínima promedio. Esta metodología es una de las más utilizadas en este campo
científico que trata de reducir las incertidumbres a través de un ajuste estadístico para poder
incorporar el factor de la variabilidad natural. Se realizó en base a las siguientes relaciones:
Durante la etapa de procesamiento, se siguieron tres fases de manera ordenada que permitió
simular el clima futuro en el periodo del 2036 al 2065. La primera fase consiste en la implementación
del modelo regional WRF sobre un sistema de computo de alto rendimiento (HPC, por sus siglas en
inglés); asimismo, se configuró el dominio espacial a 50 km y las parametrizaciones físicas. En la
segunda fase, se prepararon los datos del modelo HadGEM2-ES y MPI-ESM-LR, como las
condiciones iniciales y de contorno, que será leído por el modelo regional WRF y finalmente, en la
tercera fase se realiza el proceso de simulación numérica regional.
Precipitación
T fut,direct(t) = T fut(t) + (T obs - T cont) t=1.............12j
Temperatura
T cont,P cont =
Donde:
T fut,direct(t), P fut,direct(t) =
T fut,P fut =
T obs,P obs =
P fut,direct(t) = P fut(t) x (P obs - P cont) t=1.............12j
Temperatura y precipitación mensual proyectadade modelo con inclusión de la variabilidad climática.
Temperatura y precipitación mensual proyectadadel modelo.
Temperatura y precipitación media mensualproveniente de datos instrumentales del período1981-2005.
Temperatura y precipitación media mensual delmodelo del período 1981-2005.
Finalmente, las proyecciones de cambio climático a escala regional conllevan un margen de
incertidumbre que es importante resaltar, por ello, en el siguiente capítulo se brindan las
consideraciones, limitaciones e interpretación de los resultados basado en el nivel de incertidumbre
al que están sujetos.
Limitaciones regionales en el desarrollo de escenarios climáticos e
incertidumbre asociada
CAPÍTULO
2Los escenarios de cambio climático regionalizados están sujetos a una variedad de fuentes de
incertidumbre que afectan el proceso de su generación. Una de estas fuentes está relacionada a la
selección del escenario de emisión, ya que no se conoce con exactitud las concentraciones de las
emisiones que se alcanzarían en el futuro. Otra fuente está asociada a los modelos de circulación
general, puesto que distintas simulaciones pueden presentar una considerable dispersión de
resultados dependiendo de la región simulada, estación del año, variable atmosférica, etc.
Asimismo, la variabilidad natural del clima representa también otra fuente de incertidumbre ya que el
sistema océano-atmósfera puede contar con variaciones interanuales y/o decadales debido a
procesos naturales internos.
Adicionalmente, puede haber también incertidumbre
asociada al proceso de “downscaling” o regionalización
dado que los modelos de circulación regionales pueden
añadir fuentes de error similares a las de los AOGCM con los
que son forzados. En ese sentido, una óptima corrección en
la etapa de preproceso, la evaluación y selección de
modelos permiten reducir la incertidumbre. Asimismo
mediante los ensambles multimodelo, el cual consiste en
contar con escenarios provenientes de distintos modelos, se
puede analizar y cuantificar la incertidumbre total de los
escenarios climáticos.
Los cambios a futuro del clima expuestos en el capítulo 3, fueron regionalizados con la técnica
dinámica a partir de dos MCGs (HadGEM2-ES y MPI-ESM-LR), por lo cual deben ser considerados
como una primera aproximación. A medida que se cuente con mayor número de escenarios
climáticos el análisis de la incertidumbre será más óptimo y contribuirá en mejor medida a estudios de
impacto y a la toma de decisiones relacionadas a adaptación y mitigación. Asimismo, se debe tener
en cuenta que los escenarios son representaciones posibles del clima bajo distintos escenarios de
emisiones a futuro.
SOFTWARE EMPLEADO
Ÿ Grads: Para la visualización y elaboración de las salidas gráficas.
Ÿ Fortran, R, CDO o PHYTON: Programación en las etapas de preproceso y posproceso de la
modelización.
RECURSOS COMPUTACIONALES Y ACONDICIONAMIENTO
Ÿ Mantenimiento preventivo y correctivo.
Ÿ Garantía de equipo y seguridad del equipo HPC.
Ÿ Aire acondicionado.
Ÿ Energía eléctrica estable.
Ÿ Cluster de alto rendimiento - HPC.
Ÿ Storage para el almacenamiento de gran volumen de datos numéricos.
Cambios de temperaturas extremas y precipitaciones
centrados al 2050
Sierra: + 2ºC a +3,5ºC
Selva:
+2ºC a +2,5ºC
Otoño (MAM)
Costa: +0,9ºC a +2,2ºC
Sierra ySelva:
+ 1,5ºC a +3,5ºC
Invierno (JJA)
Costa: +0,8ºC a +2,3ºC
Sierra: + 1,5ºC a +4ºC
Selva:
+2,5ºC a +4,5ºC
Primavera (SON)
Costa: +0,9ºC a +2,3ºC
Sierra y Selva:
+2ºC a +3,3ºC
Verano (DEF)
Costa: +0,9ºC a +2ºC
DEF
MAM
JJA
SON
Proyecciones centradas al 2050 (periodo 2036-2065)a una resolución de 50 km
ANUAL
Proyecciones estacionales
Las proyecciones anuales de la temperatura máxima (la temperatura más alta del día) muestran incrementos en todo el país. Los cambios más altos se encuentran en la sierra y selva, donde se estiman incrementos ≥+3ºC; mientras que en la zona costera (hasta los 1000 msnm), se proyectan cambios entre los +0,9ºC a +2,4ºC.
*Cambios en la Temperatura Máxima (°C)
CAPÍTULO
3
0.5
1.5
2.5
3
3.5
4
2
1
En un contexto de altas emisiones
*Información preliminar, se continúa trabajando en la reducción de incertidumbres.
Proyecciones estacionales
*Cambios en la Temperatura Mínima (°C)
DEF
MAM
JJA
SON
ANUAL
Verano (DEF)
Costa: +0,9ºC a +2,1ºC
Sierra norte, sierra central y selva:
+1,5ºC a +2,5ºC
Sierra sur:+2,0ºC a +3,3ºC
Otoño (MAM)
Costa: +1,0ºC a +2,3ºC
Sierra norte, sierra central y selva:
+2,0ºC a +2,5ºC
Sierra sur:+2,0ºC a +3,6ºC
Invierno (JJA)
Costa: +1,2ºC a +2,5ºC
Sierra: +2,0ºC a +4,8ºC
Selva:+2,5ºC a +3,5ºC
Primavera (SON)
Costa: +0,9ºC a +2,2ºC
Sierra y selva norte:+2,0ºC a +3,0ºC
Sierra y selva central-sur:
+2,5ºC a +3,6ºC
Las proyecciones anuales de la temperatura mínima (la temperatura más baja del día) también muestran un comportamiento cálido en todo el Perú. Al igual que con las temperaturas máximas, se estima un incremento ≥+3ºC aproximadamente en algunas zonas de la sierra y selva peruana central-sur. Por otro lado, el rango probable de cambio en la costa es de +1,0ºC y +2,4ºC.
Proyecciones centradas al 2050 (periodo 2036-2065)a una resolución de 50 km
CAPÍTULO
3
0.5
1.5
2.5
3
3.5
4
2
1
En un contexto de altas emisiones
*Información preliminar, se continúa trabajando en la reducción de incertidumbres.
CAPÍTULO
3Proyecciones estacionales
*Cambios en la precipitación (%)
El cambio anual de las precipitaciones muestra un comportamiento variable a lo largo del territorio peruano. En la costa norte, se proyectan incrementos porcentuales de hasta +25%, mientras que en la costa central y sur, se evidencian disminuciones en el rango de -13% y -55%. En la sierra norte y selva, las precipitaciones se prevén deficiencias de -15% y -35% con excepción de algunas zonas de Loreto. Por otro lado, las precipitaciones en la sierra sur del Perú evidencian un comportamiento de aumento entre +5% y +22%.
DEF
MAM
JJA
SON
ANUAL
Proyecciones centradas al 2050 (periodo 2036-2065)a una resolución de 50 km
45
30
15
-15
0
-30
45
-45
60
-60
Verano (DEF)
Costa, sierra norte y selva:
-10% a ≤-60%
+5% a ≥+60%
Primavera (SON)
Sierra central y sur:
Sierra norte:
+5% a ≥+60%
-10% a ≥-60%
Sierra norte, sierra occidental y selva central:
+5% a ≥+35%
Costa norte:
Selva:
-15% a -57%
-5% a -45%
Invierno (JJA)
Sierra central y sur:
Otoño (MAM)
Costa norte:
-15% a -30%
Costa norte, sierra sur y selva norte:
Selva:
+15% a +30%
Costa y sierra occidental sur:
-5% a -81%
+10% a +25%
(Piura, Lambayeque, La Libertad)
(excepción de zonas en La Libertad,Arequipa, Tacna y Loreto)
En un contexto de altas emisiones
*Información preliminar, se continúa trabajando en la reducción de incertidumbres.
*ConclusionesEn un contexto de altas emisiones al 2050:
La precipitación muestra un comportamiento variable en todo el país. Se estiman incrementos porcentuales de hasta +25% en la costa norte y de hasta +22% en la sierra sur. Por otro lado, se evidencian disminuciones en el rango de -15% y -35% en la sierra norte y selva peruana con excepción de algunas zonas de Loreto, así como deficiencias de -13% y -55% en la costa central y sur.
A nivel estacional también se proyectan grandes variaciones. En la costa norte, hay un claro incremento de lluvias en el verano, otoño e invierno que puede oscilar desde +5% a valores superiores a 60%. En la sierra, se tiene una señal más clara de deficiencias en la zona norte y de superávits en la zona sur en el verano, otoño y primavera. Finalmente, en la selva predominan condiciones deficitarias durante el verano e invierno.
La temperatura máxima (la temperatura más alta registrada en el día) proyecta condiciones cálidas con incrementos ≥+3ºC en la sierra y selva peruana. Sobre la región costera el aumento se prevé en el rango de +0,9ºC y +2,4ºC.
A nivel estacional, se estima que los mayores cambios se presentarían en el invierno con valores entre +1,5ºC y ≥+3ºC principalmente en la sierra y selva. Por otro lado, se tiene una señal de mayor calentamiento sobre la sierra y selva central-sur durante el verano, otoño y primavera (+2,0ºC a ≥+3ºC)
La temperatura mínima (la temperatura más baja registrada en el día) también proyecta condiciones más cálidas a lo largo del país. El rango probable de incremento en la costa es de +1,0ºC y +2,4ºC, mientras que en algunas zonas de la sierra y selva central-sur se pueden alcanzar valores ≥+3ºC.
Estacionalmente, en el invierno podrían producirse incrementos superiores a +3ºC. Asimismo, durante el verano, otoño y primavera, se esperan los mayores cambios de temperatura en la sierra.
https://www.senamhi.gob.pe/?p=cambio-climatico
*Información preliminar, se continúa trabajando en la reducción de incertidumbres.
LÍNEAS FUTURAS DE TRABAJO
REFERENCIAS BIBLIOGRÁFICAS
Los escenarios climáticos presentados en este reporte son de avance; se continúa con el estudio final, el cual constituirá en una importante herramienta técnica que nuestras autoridades sectoriales y regionales deberán promover para su aplicación en la comunidad de impactos, y adaptación ante el cambio climático. Su aplicación es fundamental para la gestión integral del cambio climático a fin de que permita reducir los efectos adversos y aprovechar las oportunidades que ocasionarían estos cambios.
Ante la necesidad de contar con información más detallada del clima en el futuro, el SENAMHI tiene establecido concluir el estudio final a mediados del 2021 bajo dos escenarios de emisión (RCP4.5 y RCP 8.5) a una resolución espacial de 5 km, para este efecto, con la finalidad de mejorar la comprensión y manejo de incertidumbre, se va adicionar un mayor número de modelos validados y utilización de técnicas estadísticas de regionalización con los cuales se obtendrán escenarios más robustos.
Finalmente, cabe mencionar que el conocimiento sobre los procesos físicos del sistema climático, la modelización y su capacidad computacional para simular, se encuentran en continua mejora, por tal motivo se sugiere hacer uso de esta información de forma responsable y en comunicación con los especialistas en cambio climático del SENAMHI.
Ÿ Acuña D., Llacza A., Cubas F., Jácome G, Díaz A., Avalos G. (2012). Escenarios de cambio climático en las regiones Cusco y Apurímac: precipitación y temperatura 2030 y 2050 (Climate change scenarios for the region of Cusco and Apurimac: Precipitation and temperatura, 2030 and 2050). Report, Servicio Nacional de Meteorología a Hidrología del Perú (SENAMHI), Lima, Perú, 144 pp.
Ÿ Álvarez, E. (2019) Reporte de Validación de diferentes reanalisis y datos interpolados para el estudio de variabilidad climática en el Perú.
Ÿ Barreto, C., Llacza A. (2014). Validation of CMIP5 models by means of representing patterns of mesoscale systems on South America for the Summer and Winter. Poster en WRCP VAMOS/CORDEX LAC II.
Ÿ Barreto, C. (2016). Comportamiento de la Alta de Bolivia hacia finales del siglo XXI bajo el escenario de emisión RCP 8.5. Tesis de Ingeniero meteorólogo. Universidad Nacional Agraria La Molina.
Ÿ Bruyère, C.L., Monaghan, A.J., Steinhoff, D.F. and Yates, D. (2015). Bias-Corrected CMIP5 CESM Data in WRF/MPAS Intermediate File Format. National Center for Atmospheric Research.
Ÿ IPCC (2014). Cambio climático 2014: Informe de síntesis. Contribución de los Grupos detrabajo I, II y III al Quinto Informe de Evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático [Equipo principal de redacción, R.K. Pachauri y L.A. Meyer (eds.)]. IPCC, Ginebra, Suiza, 157 págs.
Ÿ IPCC (2019) Calentamiento global de 1,5ºC, resumen para responsables de políticas.Ÿ SENAMHI (2014) Estudio de vulnerabilidad climática de los recursos hídricos en las cuencas de
los ríos Chillón, Rímac, Lurín y parte alta del Mantaro.Ÿ SENAMHI (2020) Lineamientos generales que orientan la aplicación de la información climática
obre tendencias históricas, eventos extremos y proyecciones de escenarios climáticos nacionales.
Ÿ SENAMHI (2020). Guía metodológica para la generación de escenarios de cambio climático.