Page 1

GERENCIA DE RECURSOS HIDRICOS

CAMBIO CLIMÁTICO REALIDAD PERSPECTIVAS Y OPORTUNIDADES DEL AGUA EN EL PERU

AREQUIPA - PERU

"COMPORTAMIENTO DE SEQUIAS METEROLÓGICAS EN LA ZONA SUR OESTE DEL PERÚ

MSc. Carlos Sánchez R.


INDICE

• El clima del sur del Perú • Algunos conceptos de sequias

• Las sequías se pueden predecir? • Conclusiones


Clima de Sudamérica

 Flujo Promedio Tridimensional  Equilibrio

del

desbalance

latitudinal del la radiación solar

 Conservación del Momentun Angular

 Variaciones Orográfica en los Continentes


La Asimetría Hídrica


Los Andes y la Asimetría Hídrica Vertiente Occidental

Vertiente Oriental

<100mm/año

>3000mm/año


Asimetría Hídrica Norte – Sur del Perú

DESCARGA (m3/s) DE LOS RIOS DE LA COSTA DEL PERU


Conceptos

• Las sequías son un fenómeno natural y recurrente. • Existe una gran variedad de sectores que son afectados por las sequías, así como un amplio rango de usos y demandas del recurso. • “Sequías” como una condición de insuficiencia de la cantidad de recursos hídricos, causada por un déficit de precipitaciones sobre un área y en un determinado periodo de tiempo.


Definiciones


Clasificación American Meteorological Society (1997) • Climatológica o Meteorológica, asociada a la ausencia de precipitaciones.

• Agrícola, asociada capacidad productiva del suelo. • Hidrológica, asociada a la reducción de caudales en ríos, agua subterránea y niveles de lagos y reservorios. • Socioeconómica, asociada al suministro y demanda de agua de sectores económicos y poblaciones.


Indices de Sequías?

• Definición de las características de las sequías: • Inicio, Fin, Severidad, distribución espacial.

• Describir y monitorear los eventos de sequías • Comparación espacio temporal de eventos • Cuantificación de la sequía

• Herramienta la el menejo de sequía • Definición de niveles de emergencia, umbrales, etc.


Metodologías para la Caracterización de Sequías Índices

Año

Variables analizadas/ Aplicación

Índices de Palmer

1965

Análisis de la precipitación y la temperatura, en un modelo de balance hídrico. Realiza una comparación de la sequía meteorológica e hidrológica a través del espacio y del tiempo.

1968

Análisis de la precipitación y la temperatura, en un modelo de balance hídrico. Determina la sequía agrícola.

Índices de sequía Keetch-Bryam

1968

Análisis de la precipitación y la humedad del suelo. Utilizado en el control de incendios

Surface water supply Index

1981

Análisis de la precipitación, almacenamiento en reservorios, caudales de ríos y nieve. Método complicado para la determinación de los caudales base en ríos.

Standarized Precipitation Index SPI de McKee

1993

Análisis de la precipitación, determina indicadores de sequías para distintas escalas de tiempo.

Índice de condición vegetal

1995

Imágenes satelitales, vegetación

Drought Monitor

1999

Integra varios indicadores de sequías, es análisis es utilizado para múltiples propósitos.

Índices Campo

de

Humedad

de

mide

la

“salud”

de

la


Standard Precipitation Index Función Gamma g ( x) 



factor de forma

Calculo del SPI

1 x  1 .e  x /   ( ) 

1 4A (1  1  ) 4A 3

A  ln( x) 

factor de escala  

 ln( x) n

x

c 0  c1t  c 2 t 2 1  d 1t  d 2 t 2  d 3 t 3

x

Z  SPI  (t 

)

c0  c1t  c 2 t 2 ) 1  d 1t  d 2 t 2  d 3 t 3

para

0  H ( x)  0.5

para

0.5  H ( x)  1.0

para

0  H ( x)  0.5

Donde: x

1 G( x)   g ( x)dx   x  1 .e  x /  dx   ( ) 0 0 Realizando la siguiente transformación: t  x/

La ecuación se transforma en: t

G ( x) 

Z  SPI  (t 

1 t  1 .e t dt  ( ) 0

Dado que la función Gamma es indefinida para x=0 y la distribución puede contener valores de precipitación igual a cero, la probabilidad acumulada se convierte en: H ( x)  q  (1  q)G( x)

t  ln(

1 ) ( H ( x)) 2

t  ln(

1 ) (1.0  H ( x)) 2

c 0  2.515517 c1  0.802853 c 2  0.010328 d 1  1.432788 d 2  0.189269 d 3  0.001308

para

0.5  H ( x)  1.0


Standard Precipitation Index

Índice SPI

Clasificación de sequías por McKee

Menos de -2.00

Sequía Extrema

-2.00 <SPI  -1.50

Sequía Severa

-1.50 <SPI  -1.00

Sequía Moderada

-1.00 <SPI  1.00

Condición Normal

1.00 <SPI  1.50

Humedad Moderada

1.5 <SPI  2

Humedad alta

Mas de 2

Humedad Extrema


Estaciones de SPCC y del SENAMHI

.

COMPORTAMIENTO DE SEQUÍAS METEOROLÓGICAS EN LA ZONA SUR DEL PERÚ UTILIZANDO EL MÉTODO DEL SPI


Distribución de Sequías, Año 1978

.


Distribución de Sequías, Año 1983

.


El Niño – Oscilación del Sur Bernard Francou, Luis Pizarro, El Niño y la Sequía en los Altos Andes Centrales: (Perú y Bolivia), (1985), Bull. Inst. Fr. Et. And. XIV, No 1-2, pp 1-18.

Dong-Ryul Lee, Jose D. Salas, Relationships of ENSO to Droughts in the Korea and the Continental U.S.

Janaki Chandimala, Lareef Zubair, Predictability of stream flow and rainfall based on ENSO for water resources management in Sri Lanka, Journal of Hydrology (2007) Vol. 335, 303– 312.

Olga Puertas, Yesid Carbajal, Incidencia de El Niño-Oscilación del Sur en la precipitación y la temperatura del aire en Colombia, utilizando el Climate Explorer, Ingeniería & Desarrollo, Número 23, Enero Junio 2008.

P. Lagos, Y Silva, E Nickl, and K. Moskera, El niño – related precipitation variability in Perú, Advances in Geosciences, 14, 231-237, 2008.

Peter Waylen German Poveda, El Niño-Southern Oscillation and aspects of western South American hydro-climatology, Hydrological Processes, (2002) 1247-1260.

R. Wooman P., Modelo Estadistico de Pronóstico de las Precipitaciones en la Costa Norte del Perú, El Fenómeno del Niño, Investigación para una prognosis, 1er encuentro de Universidades del Pacífico Sur: Memoria 93-108, Piura – Perú 1999.

Y.-H. Jin et al, Detection of ENSO-influence on the monthly precipitation in South Korea, Hydrological Processes (2005) 4081– 4092.

Z.X. Xu et al, Correlation between El Niño – Southern Oscillation (ENSO) and precipitation in Southeast Asia and Pacific region, Hydrological Processes (2004) 107– 123.


Regiones El Niño

Niño 1 (5° - 10° S, 80° – 90° O) Niño 2 (0° - 5° S, 80° – 90° O) Niño 3 (5°S - 5° N, 90° – 150° O)

Niño 3.4 (5°S - 5° N, 90° – 150° O) Niño 4 (5°S - 5° N, 160°E – 120° O)


El Niño – La Niña El Niño: Anomalía positiva de la temperatura de la superficie del mar (con respecto al periodo base de 1971 – 2000) en la región Niño 3.4 mayor o igual a 0.5 °C, promediado sobre tres meses consecutivos.

La Niña: Anomalía negativa de la temperatura de la superficie del mar (con respecto al periodo base de 1971 – 2000) en la región Niño 3.4 de una magnitud mayor o igual a 0.5 °C, promediado sobre tres meses consecutivos.

Climate Prediction Center NOAA


Índices El Niño

Índices climáticos: PDO 1900 – 2008, Fuente: jisao.washington.edu

Climate Prediction Center NOAA


Temperatura de la superficie del mar

MODELO

ARQUITECTURA

M-I

2-2-1

- SOI - IMENSO

M-II

2-3-1

- SOI - IMENSO

8-2-1

- SOI - Niño 1-2 - Niño 3 - Niño 4 - Niño 3-4 - TSM Atlan. Tropical - IMENSO - TSM Pac. Sur

M-III

INPUT

Información climatológica distribuida: Temperatura de la superficie del mar enero- SOI 2007, Fuente: cdc.noaa.gov - Niño 1-2 - Niño 3 - Niño 4 M-IV 8-3-1 - Niño 3-4


Ubicación del Área de Estudio

Estación Toquepala Quebrada Honda Tacalaya Suches PastoGrande Cuajone

Este 327,207 334,985 349,668 352,026 369,125 318,267

Norte 8’092,391 8’098,952 8’113,540 8’126,649 8’150,462 8’114,659

Cota (m.s.n.m.) 3,400 3,995 4,415 4,468 4,546 3,148


Standard Precipitation Index


Standard Precipitation Index SPI 3 2 1

SPI

0 -1 -2 -3 -4 -5 1966

1970

1975

1980

1985

1990

1995

2000

2005

2008

1990

1995

2000

2005

2008

a単o

IMENSO 4 3

IMENSO

2 1 0 -1 -2 1966

1970

1975

1980

1985 a単o


Análisis de Correlación: SPI vs índices macroclimáticos


Análisis de Correlación: TSM Correlación de Pearson SPI Febrero vs Temperatura Superficie del Mar Lag:0 0.8 180 W 90 N

150 W

120 W

90 W

60 W

30 W

0

30 E

60 E

90 E

120 E

150 E

180 E 0.6

75 N 60 N

0.4

45 N 30 N

0.2

15 N 0

0

15 S 30 S

-0.2

45 S 60 S

-0.4

75 S 90 S

-0.6

-0.8


Análisis de Correlación: TSM Correlación de Pearson SPI Febrero vs Temperatura Superficie del Mar Lag:-1 0.8 180 W 90 N

150 W

120 W

90 W

60 W

30 W

0

30 E

60 E

90 E

120 E

150 E

180 E 0.6

75 N 60 N

0.4

45 N 30 N

0.2

15 N 0

0

15 S 30 S

-0.2

45 S 60 S

-0.4

75 S 90 S

-0.6

-0.8


Análisis de Correlación: TSM Correlación de Pearson SPI Febrero vs Temperatura Superficie del Mar Lag:-2 0.8 180 W 90 N

150 W

120 W

90 W

60 W

30 W

0

30 E

60 E

90 E

120 E

150 E

180 E 0.6

75 N 60 N

0.4

45 N 30 N

0.2

15 N 0

0

15 S 30 S

-0.2

45 S 60 S

-0.4

75 S 90 S

-0.6

-0.8


Análisis de Correlación: TSM Correlación de Pearson SPI Febrero vs Temperatura Superficie del Mar Lag:-3 0.8 180 W 90 N

150 W

120 W

90 W

60 W

30 W

0

30 E

60 E

90 E

120 E

150 E

180 E 0.6

75 N 60 N

0.4

45 N 30 N

0.2

15 N 0

0

15 S 30 S

-0.2

45 S 60 S

-0.4

75 S 90 S

-0.6

-0.8


Resumen de Variables

Enero

Febrero

Marzo

Lag -1

-2

-3

ÍNDICE DE OSCILACIÓN DEL SUR

0.4108

0.4840

0.2006

NIÑO 1-2

-0.2772

-0.3232

-0.2635

NIÑO 3

-0.2293

-0.4488

-0.3302

NIÑO 4

-0.2256

-0.5203

-0.1668

NIÑO 3-4

-0.2283

-0.5233

-0.3159

TSM ATLÁNTICO ZONA TROPICAL

-0.2489

-0.3896

-0.2022

IMENSO

-0.3103

-0.5414

-0.2795

TSM PACIFICO SUR

-0.0349

0.3900

0.4347


Modelos ANN´s Propuestos CAPA DE ENTRADA

CAPA OCULTA

CAPA DE SALIDA

CAPA DE ENTRADA

ALTERNATIVA 1

CAPA OCULTA

CAPA DE SALIDA

ALTERNATIVA 1

DICIEMBRE

ENERO

DICIEMBRE

FEBRERO

SOI SOI SPI

SPI

NIÑO 3-4

IMENSO IMENSO

ALTERNATIVA 2

ALTERNATIVA 2

DICIEMBRE

ENERO

DICIEMBRE

FEBRERO

bj

SOI SOI SPI

SPI

NIÑO 3-4

x1

w1,j

IMENSO

xi w i,j

IMENSO

CAPA DE ENTRADA

CAPA OCULTA

CAPA DE SALIDA

xn

ALTERNATIVA 1 DICIEMBRE

f

yj

wn,j

MARZO

NIÑO 3 SPI

NIÑO 3-4

Tipo TSM P. SUR

ALTERNATIVA 2 DICIEMBRE

MARZO

NIÑO 3

NIÑO 3-4

TSM P. SUR

SPI

Entrenamiento Validación Test Total

%

26 8 8 42

60% 20% 20% 100%


Resultados del Modelo SPI Febrero Vs ANN output 2 SPI ANN output 1.5

1

0.5

0

-0.5

-1

-1.5

-2

-2.5

0

5

10

15

20

25

30

35

40

45

•M-IV (8-3-1), Entradas: SOI, Niño 1-2, 3, 4, 3-4, TSM Atlan. Tropical, IMENSO, TSM Pacífico sur de diciembre, salida: SPI de febrero


Resumen de Modelos ANN麓s

Modelo M-I M-II M-III M-IV M-V M-VI M-VII M-VIII

Entrenamiento 0.70447 0.76156 0.82832 0.71826 0.83546 0.84685 0.87807 0.86773

r validaci贸n 0.90444 0.72398 0.95454 0.65061 0.93181 0.78801 0.94337 0.93636

test 0.87034 0.95087 0.95537 0.67363 0.96251 0.89748 0.92461 0.86699


Conclusiones y Recomendaciones • El método del SPI es un procedimiento que se ajusta al tipo de información con que se cuenta en la zona sur del Perú, ya que solo utiliza valores de precipitación el cual es un parámetro fundamental de las sequías no muy costoso de monitorear y del cual se tiene una mayor densidad y longitud de registros de monitoreo distribuidos regionalmente. • Existe una buena correlación o correspondencia temporal para los valores de SPI entre las distintas estaciones del análisis; por lo que se puede inferir que los fenómenos anómalos de presencia de humedad y de déficit ó sequía se presentan de forma regional y responden bien a una distribución Gamma. • El monitoreo constante (corto y largo plazo) así como la cuantificación de las sequías, son herramientas importantes en el manejo de los recursos hídricos y es valiosa información para la adecuada prevención y mitigación de los eventos climáticos extremos. • Ajuste de Umbrales. • Repotenciar la red de control meteorológica.


Conclusiones y Recomendaciones • El ciclo Enso explica gran parte de la variabilidad climática interanual en el Trópico. • Niveles de correlaciones con indicadores macroclimáticos globales • El nivel de correlaciones obtenido ha permitido construir un modelo de pronóstico de la sequía meteorológica, basado en redes neuronales artificiales • Los resultados de los modelos muestran coeficientes de correlación que varían entre 0.7 a 0.99 para los distintos conjuntos de datos (entrenamiento, validación y test). • Considerando la complejidad del pronóstico de la variabilidad climática y el corto registro de información, los resultados que indican que los modelos pueden ser empleados en la definición de estados o condiciones de sequías.


El agua es Vida Cuidémosla con cariño... Gracias!

14 sequias arequiparev2  

CAMBIO CLIMATICO

14 sequias arequiparev2  

CAMBIO CLIMATICO

Advertisement