validación y análisis de consenso de modelos de escenarios ... · muñoz, Á.g. validación y...

Muñoz, Á.G. Validación y Análisis de Modelos de Cambio Climático para Ecuador (2010)

PROYECTO MAE-SCN-PRAA-PACC-INAMHI

1

PROYECTO INAMHI-MAE-SCN-PRAA-PACC

Validación y Análisis de Consenso de Modelos de Escenarios de Cambio Climático

para Ecuador

Ángel G. Muñoz S

Centro de Modelado Científico (CMC) de La Universidad del Zulia. Maracaibo, 4004. Venezuela

Septiembre, 2010



2

Resumen Ejecutivo

Existen en Ecuador disponibles a la fecha tres (3) modelos dinámicos de alta

resolución espacial para estudios de Escenarios de Cambio Climático, a saber: el

PRECIS (25 km, escenarios A2 y B2) [Centella & Bezanilla, 2008], el ETA (56 km,

escenarios A2 y B2) [Rodrigues Soares & Marengo, 2008] y el TL959 (20 km,

escenario A1B) [Kusonoki et al., 2008]. El objeto del presente documento es, por

una parte, llevar a cabo una validación de los mismos en su descripción del clima

presente, comparando con la base de datos CRU de la East Anglia University, en

términos de métricas seleccionadas (correlación, coeficiente medio de

determinación y sesgo) para precipitación y temperatura1. Estos resultados son

importantes para los tomadores de decisión, en aras de conocer las fortalezas y

debilidades de cada modelo en su representación de las mencionadas variables.

Por otra parte en este documento se hace también una revisión de las previsiones

de cada modelo y escenario para el futuro (a largo plazo en el PRECIS y ETA, y a

corto plazo para el caso del TL959), de modo independiente y mancomunado, esto

último por medio de mapas de consenso.

En cuanto a las validaciones, el ETA posee las mejores correlaciones para

precipitación, pero subestima de modo importante (más de 200 mm de diferencia

con respecto a las observaciones) la pluviosidad en la mayor parte del territorio

ecuatoriano, aunque no describe mal este campo para la Sierra. El TL959, por su

parte, posee buenas correlaciones y tiende a sobreestimar de modo importante la

precipitación en la mayor parte de la Costa y a lo largo de las laderas andinas de

la vertiente amazónica. Las correlaciones para precipitación con el PRECIS son

menores que en los otros dos casos, especialmente para la Amazonía. El PRECIS

sobreestima precipitación en la Sierra, y subestima en la Costa y la Amazonía.

1 Las razones de la escogencia de CRU sobre otros conjuntos de datos se discute en el

documento.



3

Para el caso de la temperatura las mejores correlaciones las provee el TL959, que

posee un sesgo frío para prácticamente todo el territorio ecuatoriano. El ETA

adolece de un sesgo frío para la Costa (igual o mayor a 3 oC de diferencia) y la

vertiente pacífica de los Andes, mientras que se aprecia un sesgo cálido (igual o

mayor a 3 oC de diferencia) para la vertiente amazónica y la Amazonía cercana a

las laderas andinas. Para el resto del Oriente se aprecia un sesgo frío menor

(hasta aproximadamente 1.5oC). El PRECIS evidencia altas correlaciones para

temperatura, salvo para regiones de Loja, en el sur. Muestra sesgo cálido para la

mayor parte del Litoral y hacia la Sierra sesgos fríos. En la Amazonía en general

las temperaturas están mejor descritas, excepto en el extremo oriental.

Los resultados del análisis de consenso sugieren, para el largo plazo, un aumento

en la intensidad de las precipitaciones para básicamente la Sierra, mientras que

un decremento de las mismas para la Amazonía (sobre todo el extremo oriental) y

para la Costa (Santa Elena, Manabí y Esmeraldas), y con mayores certezas para

Esmeraldas.

En el corto plazo el modelo TL959 prevé incremento en la intensidad de

precipitación para la Costa, especialmente para algunos sectores de El Oro, el sur

de Guayas y la mayor parte de Manabí. La Sierra, sin embargo, evidencia tanto

incrementos como decrementos de intensidad, dependiendo de la ubicación. En la

Amazonía cercana a las laderas andinas, se evidencian múltiples zonas con

incrementos de precipitación, mientras que más al oriente en promedio se avistan

decrementos o muy ligeros incrementos.

Todos los modelos coinciden en un calentamiento sistemático para todo el

territorio ecuatoriano. Este comportamiento es consistente con el forzamiento

suscrito en los modelos globales, a pesar de que hay evidencia [Harrison y

Carson, 2007] de zonas de enfriamiento en la Costa Pacífica de Sudamérica.



4

ÍNDICE GENERAL

ANTECEDENTES___________________________________________ 5

I. INTRODUCCIÓN _______ ____ 6

II. OBJETIVOS ______________________________________ 14

III. DATOS_____________ 15

IV. METODOLOGÍA ______________________ 19

V. RESULTADOS______________________________ 22

1.- VALIDACIÓN DE LOS MODELOS

1.1.- TL959_______________________________________ 22

1.2.- ETA_________________________________________ 35

1.3.- PRECIS______________________________________ 47

2.- ANÁLISIS INDIVIDUAL

2.1.- TL959________________________________________ 61

2.2.- ETA__________________________________________ 72

2.3.- PRECIS_______________________________________ 89

3.- ANÁLISIS DE CONSENSO______________________________ 107

VI. LIMITACIONES__________________________________________ 118

VII. CONCLUSIONES Y RECOMENDACIONES___________________ 120

VIII. BIBLIOGRAFÍA ________________________________________ 127



5

ANTECEDENTES

Reconociendo objetivos comunes en el área de estudios de Variabilidad y Cambio

Climático para el Ecuador, en 2009 el Ministerio del Ambiente del Ecuador (MAE)

y el Instituto Nacional de Meteorología e Hidrología (INAMHI) suscriben un

acuerdo de colaboración específicamente orientado a la realización de una serie

de proyectos con el objetivo de generar información e índices climáticos que

promuevan y apoyen los esfuerzos nacionales para reducir los impactos de la

Variabilidad y Cambio Climático en áreas y sectores específicos del país.

Entre los distintos esfuerzos llevados a cabo entre el MAE y el INAMHI en años

anteriores, con la ayuda del Proyecto de Adaptación al Impacto del Retroceso

Acelerado de Glaciares en los Andes Tropicales (PRAA), Proyecto de Adaptación

al Cambio Climático a través de una Efectiva Gobernabilidad del Agua en el

Ecuador (PACC), y Proyecto GEF/PNUD/MAE Segunda Comunicación Nacional

sobre Cambio Climático, se han obtenido salidas numéricas de los modelos

TL959, ETA y el PRECIS para el Ecuador, así como entrenamiento presencial del

personal técnico del INAMHI al respecto. Si bien hasta el momento se había

llevado a cabo un análisis independiente de los resultados, no se habían

considerado los productos numéricos en un estudio integral, que permita comparar

las salidas y emplearlas de modo mancomunado. En estas páginas se describe

precisamente este esfuerzo.

El presente estudio es ejecutado dentro de dicho marco de referencia por el

INAMHI, con el apoyo del Ministerio del Ambiente, Proyecto de Adaptación al

Impacto del Retroceso Acelerado de Glaciares en los Andes Tropicales (PRAA),

Proyecto de Adaptación al Cambio Climático a través de una Efectiva

Gobernabilidad del Agua en el Ecuador (PACC), y Proyecto GEF/PNUD/MAE

Segunda Comunicación Nacional sobre Cambio Climático. Los datos han sido

aportados por los respectivos proyectos, por el INAMHI y la CRU [Mitchell, 2005].



6

INTRODUCCIÓN

Aunque con algunos detractores, existe consenso en la Comunidad Científica de

que el Cambio Climático es un hecho [IPCC, 2007], y que posee una componente

de origen antrópico producto de varios factores, pero en la que resalta el papel del

incremento de la concentración de los Gases de Efecto Invernadero (GEI) en la

atmósfera. Debido a su importancia, un Grupo de Expertos [IPCC, 2000] del Panel

Intergubernamental sobre Cambio Climático (IPCC, por sus siglas en inglés),

suscribió un documento, conocido como el Reporte Especial de Escenarios sobre

Emisiones (REEE, o más conocido como SRES, por sus siglas en inglés) en el

que se delinean posibles escenarios de emisiones de GEI para el siglo XXI.

Los escenarios son imágenes del futuro [IPCC, 2000], o futuros alternativos. No

constituyen ni predicciones ni pronósticos. Más aún, cada escenario es una

imagen alternativa de cómo podría suceder el futuro. Un conjunto de escenarios

ayuda en la comprensión de posibles desarrollos futuros de sistemas complejos

[IPCC, 2000]. Los posibles futuros, pues, poseen de modo inherente un alto grado

de incertidumbres, cuyas fuentes van de los propios datos hasta los modelos

usados, pasando por un inadecuado entendimiento científico de los problemas

subyacentes. Precisamente, los escenarios son herramientas que pueden ayudar

a tratar con tales incertidumbres, si se las entiende como tales y se tratan con la

debida atención.

En el caso de los Escenarios de Emisiones del IPCC (SRES, de ahora en

adelante), éstos están relacionados con varios agentes enlazados al Cambio

Climático, incluyendo crecimiento de la población, desarrollo socio-económico, uso

de sistemas de energías y cambios en el uso de suelos. La aproximación

empleada en los SRES involucró [IPCC, 2000] el desarrollo de un conjunto de

cuatro familias alternativas de escenarios (ver Figura 1), que involucran un total de

40 escenarios (ver Tabla 1). Cada familia incluye una parte descriptiva



7

denominada línea histórica, y un número de interpretaciones alternativas y

cuantificaciones de cada línea histórica desarrolladas por seis diferentes

aproximaciones de modelación. Así, todas las interpretaciones y cuantificaciones

de una línea histórica constituyen una familia de escenario. Cada línea histórica

describe un posible futuro demográfico, social, económico, tecnológico y de

políticas para cada una de las cuatro familias. Dentro de cada familia diferentes

escenarios exploran variaciones de desarrollos globales y regionales, y sus

implicaciones en términos de emisiones de GEI y azufre (para mayores detalles,

ver el Glosario de [IPCC, 2000]).

Figura 1. Árbol de escenarios, con las cuatro familias. Fuente: [IPCC, 2000].



8

Conjunto

SRES

Total

Familia

A1

A2 B1 B2

Grupo Escenario

A1C A1G A1B A1T A2 B1 B2

Escenarios Globalmente Armónicos

2 3 6 2 2 7 4

26

Otros Escenarios

1 0 2 1 4 5 4

14

Escenarios Totales

3 3 8 3 6 9 8

40

Características de los Escenarios

Crecimiento Poblacional

Bajo Bajo Bajo Bajo Alto Alto Medio

Crecimiento del PGD2

Muy Alto

Muy Alto

Muy Alto

Muy Alto

Medio Alto Medio

Uso de Energía

Muy Alto

Muy Alto

Muy Alto

Alto Alto Bajo Medio

Cambio Uso Suelos

Bajo-Medio

Bajo-Medio

Bajo Bajo Medio-Alto

Alto Medio

Disponibilidad de Recursos

Alto Alto Medio Medio Bajo Bajo Medio

Vector Tecnológico Rápido Rápido Rápido Rápido Lento Medio Medio

Tabla 1. Distribución y características de los escenarios del SRES. Fuente: [IPCC, 2000].

2 Producto grueso doméstico



9

En la Figura 1 se aprecia una distribución pictórica de las cuatro familias de

escenarios, las cuales comparten líneas históricas comunes. Hacia arriba se

encuentran las familias orientadas más hacia temas económicos, mientras que

hacia abajo están las más orientadas hacia lo medioambiental. Hacia la izquierda

las de mayor orientación a escala global y las de la derecha a escala regional. La

figura no pone en evidencia en modo alguno incompatibilidad o mutua exclusión

entre las familias.

Algunos escenarios suelen considerarse más “benignos” que otros. Por ejemplo, la

Figura 2 muestra la distribución de los grupos (y familias) de escenarios en un

diagrama triangular de uso de fuentes de energía primarios [IPCC, 2000]. Las

líneas muestran el desarrollo histórico desde 1850 hasta 1990 (en negro) y

posibles usos en el futuro (en zonas sombreadas y líneas de colores). Cada punto

dentro del triángulo puede identificarse con una combinación de energías

renovables/nucleares, basadas en consumo de gasolina y gas o en quema de

carbón. De la figura queda claro que, en términos de uso de energías, para el año

2100 el grupo A2 (hacia la izquierda del centro del triángulo) puede identificarse

con un empleo del orden del 30% de energías renovables/nucleares, 20% de

consumo energético por gasolina/gas y un 50% por quema de carbón; el grupo B2

(hacia la derecha del centro del triángulo), por su parte, puede identificarse para el

2100 con un uso de aproximadamente 50% de energías renovables, un 30% de

gasolina/gas y 20% de quema de carbón. De manera que cuanto más hacia la

esquina inferior derecha, más “benigno” –al menos en términos de uso de fuentes

energéticas- se podría considerar el grupo de escenarios. Figuras similares

pueden construirse para los otros motivadores de los escenarios, y son tratados

en detalle en el SRES [IPCC, 2000].

Para terminar de hacerse una idea resumida de lo que implica cada línea histórica

y familia de escenarios, puede indicarse [IPCC, 2000] [Centella y Bezanilla, 2008]

que:



10

Figura 2. Diagrama de uso de fuentes de energía. El histórico de 1850 a 1990 aparece en

negro, y posibles escenarios futuros en zonas sombreadas/líneas de color. Cada esquina

corresponde a una situación hipotética en el que la energía primaria es provista sólo por

una fuente: renovable/nuclear, gasolina/gas o carbón. Los puntos interiores correspoden a

combinaciones con sus porcentajes. Fuente: [IPCC, 2000].

A1. Describe un mundo futuro de crecimiento económico muy rápido; la

población mundial alcanza su nivel más alto a mitad del siglo y disminuye

posteriormente, produciéndose una rápida introducción de nuevas

tecnologías más eficaces. La familia A1 se divide en tres grupos que

describen las distintas direcciones del cambio tecnológico en el sistema

energético, a saber: fuentes de energía intensivas de origen fósil, de origen

no fósil o un equilibrio entre todas las fuentes.



11

A2. Describe un mundo muy heterogéneo. Los perfiles de fertilidad en las

distintas regiones tienden a converger muy lentamente, lo cual acarrea un

aumento continuo y constante de la población. El desarrollo económico

tiene una orientación principalmente regional y el crecimiento económico

per cápita y el cambio tecnológico están más fragmentados y son más

lentos.

B1. Describe un mundo convergente, con la misma población mundial, que

alcanza su nivel más alto a mediados del siglo para disminuir

posteriormente, como en A1 pero con cambios rápidos en las estructuras

económicas hacia una economía de la información y de los servicios, con

reducciones en el consumo de materiales e introducción de tecnologías

limpias y de recursos eficaces. En esta línea evolutiva se hace hincapié en

las soluciones mundiales a la sostenibilidad económica, social y ambiental,

lo que comprende una mejora de la equidad, pero sin iniciativas climáticas

adicionales.

B2. Describe un mundo en el que se hace hincapié en las soluciones

locales a la sostenibilidad económica, social y ambiental. Se trata de un

mundo cuya población mundial crece continuamente, a un ritmo menor al

de la línea evolutiva A2, con niveles medios de desarrollo económico y

cambios tecnológicos menos rápidos y más variados que en las líneas

evolutivas B1 y A1. Aunque el escenario también está orientado hacia la

protección ambiental y la equidad social, se centra en los niveles local y

regional.

En el presente documento se hacen uso de salidas de modelos con

configuraciones pertenecientes a los escenarios A2, A1B y B2, correspondiendo

en términos de temperaturas a largo plazo, por ejemplo, a panoramas “menos

benignos”, “intermedios” y “más benignos”, respectivamente (ver por ejemplo

[IPCC, 2007] o para un estudio anterior para el territorio ecuatoriano ver [Centella

y Bezanilla, 2008]).



12

Los escenarios del SRES involucran configuraciones específicas, especialmente

en términos de concentraciones de GEI, de modelos numéricos acoplados de

clima. El IPCC ha provisto [IPCC, 2007] una serie de salidas numéricas de

múltiples modelos globales ejecutados por distintas instituciones, con el objeto de

estudiar, según los distintos escenarios, los efectos esperados a largo plazo en el

Sistema Climático Terrestre.

Estos modelos poseen baja resolución espacial (en general proveen celdas de

unos 277 km de lado), y no deben emplearse directamente para llevar a cabo

estudios que no correspondan a escala continental o subcontinental en el mejor de

los casos [IPCC, 2007]. Es por ello que múltiples autores han iniciado campañas

de incremento de resolución (mediante un proceso conocido como downscaling

[Muñoz, 2010]) empleando, por ejemplo3, modelos climáticos regionales de alta

resolución.

Para Sudamérica, trabajos pioneros han sido llevados a cabo por Marengo et al.

[2009], y Rodrigues y Marengo [2008] (ver referencias adicionales ahí citadas) con

los modelos regionales HadRM3P (PRECIS [Jones et al., 2004]) y ETA para

Estudios de Cambio Climático (ETAECC [Pisnitchenko y Tarasova, 2009]),

alimentados por modelos globales. En el caso de Ecuador, Centella y Bezanilla

[2008] han empleado el HadRM3P (del paquete PRECIS) para generar escenarios

de cambio climático a largo plazo de alta resolución (25 km), empleando los

escenarios A2 y B2 con dos modelos globales distintos (para detalles ver [Centella

y Bezanilla, 2008]). Muy recientemente, y gracias a los proyectos PRAA y SCN,

fue posible enviar a una serie de técnicos del INAMHI a Brasil (ver por ejemplo

[Cadena, 2009]) y Japón (ver [Chimborazo, 2010]) a entrenarse en los modelos

ETA y TL959 [Kusonoki et al., 2008], respectivamente; estos técnicos trajeron

consigo las respectivas salidas numéricas de los estudios referenciados, las

cuales se emplean en este documento. Finalmente, Chimborazo, Guitarra y Muñoz

3 Es posible emplear modelos estadísticos (downscaling estadístico) o incluso metodologías híbridas

también.



13

[2010], llevan a cabo un análisis para Ecuador con las salidas numéricas del

modelo TL959 recién mencionado, a 20 km de resolución espacial y

correspondientes al escenario A1B, aunque en este caso para el corto plazo

(2015-2039). Estos mismos datos son usados en el presente análisis también.

El objeto del documento en lectura es discutir los resultados principales obtenidos

del estudio de validación independiente de las salidas de Escenarios de Cambio

Climático para los modelos TL959, ETA y PRECIS (datos referidos en el párrafo

anterior), y del análisis individual y de consenso para los mismos productos, para

el período 2015-2039 (TL959) y 2070-2099 (ETA y PRECIS).

Es importante resaltar una vez más las incertidumbres que poseen los escenarios

del SRES, y que los experimentos numéricos del IPCC fueron diseñados

considerando el Cambio Climático a largo plazo (final del siglo XXI), dado que en

períodos de corto plazo se tendría que considerar adecuadamente el papel de la

variabilidad climática a distintas escalas temporales en conjunto con el Cambio

Climático. Por ejemplo, [Baethgen, 2010] indica que se tiene en principio un doble

problema de escala con este tipo de salidas del IPCC, debido a que se consideran

salidas de modelo de muy baja resolución (más de 100 km) y a una escala de

tiempo muy grande (finales de siglo), y que los tomadores de decisión típicamente

están interesados en alta resolución y más corto plazo. Especial cuidado, pues, ha

de tenerse siempre con la toma de decisión de los presentes productos.

La distribución del documento es la que sigue. En las siguientes tres secciones se

establecen los objetivos específicos del trabajo, se identifican las características

de los datos empleados y se describe la metodología utilizada a lo largo del

estudio. A continuación se realiza la discusión general de los resultados obtenidos

para la validación de los productos y los análisis individuales y de consenso, y

finalmente se presentan las limitaciones, conclusiones y recomendaciones.

Salvo que se indique lo contrario, la fuente de las figuras mostradas es el presente

trabajo.



14

OBJETIVOS

El objetivo general de este trabajo es llevar a cabo un análisis de los productos

disponibles de precipitación y temperatura superficial de los modelos TL959, ETA

y PRECIS para el Ecuador.

Del objetivo general, se desprenden los siguientes objetivos específicos:

1. Presentar y discutir los resultados de la validación de las salidas numéricas

de los modelos de Cambio Climático TL959, ETA y PRECIS, empleando el

coeficiente de correlación, el índice de determinación y el sesgo.

2. Analizar de modo independiente las salidas de precipitación y temperatura

de los mencionados modelos, empleando la diferencia entre el período

futuro y presente.

3. Analizar mancomunadamente las salidas disponibles de las variables

escogidas, mediante el empleo de mapas de consenso.



15

DATOS

En función de los objetivos planteados, en este estudio se han hecho uso de dos

tipos de datos de precipitación (intensidad) y temperatura: de modelos y

observados, ambos en mallas computacionales. Los primeros consisten en las

salidas numéricas del modelo TL959, ETA y PRECIS. Para los segundos se

escogió el conjunto de datos de la Climate Research Unit (CRU) de East Anglia

University, en su segunda versión.

El TL959 es un modelo operacional de pronóstico del Instituto de Investigaciones

Meteorológicas (MRI, por sus siglas en inglés) y la Agencia Japonesa de

Meteorología (JMA, idem), con modificaciones como modelo climático en los

procesos de radiación y de superficie terrestre [Mizuta et al., 2006]. La integración

temporal fue acelerada mediante un esquema semi-lagrangeano. Este modelo

global posee un truncamiento espectral horizontal TL959, correspondiente a

aproximadamente unos 20 km de resolución espacial, con 60 niveles verticales

que llegan hasta 0.1 mb de altura superior. Las salidas empleadas en este estudio

corresponden al escenario A1B, con período de control 1979-2003 y en el caso del

“futuro cercano” a los años 2015-2039, con resolución diaria. Para mayores

detalles referirse a [Kusonoki et al. 2008].

El modelo ETA para Estudios de Cambio Climático [Pisnitchenko y Tarasova,

2009] es una modificación de la versión original para pronóstico meteorológico del

Science Operations Office/Science and Training Resource Center (SOO/STRC),

disponible gratuitamente en http://strc.comet.ucar. Los datos provistos para este

estudio poseen 0.5o de resolución espacial (aproximadamente unos 56 km en la

línea ecuatorial) y cubren adecuadamente la mayor parte de Sudamérica (ver

Figura 3), y poseen salidas de las variables cada 6 horas. Los datos incluyen ya

un preprocesamiento en GrADS que permite tratarlos en archivos de escala

http://strc.comet.ucar/



16

mensual. Los escenarios disponibles corresponden al A2 y B2, usando el modelo

global HadAM3P. El período de control es 1960-1990, y para el “futuro lejano” el

período considerado es 2071-2100.

Figura 3. Dominio computacional del ETA-ECC. Fuente: [Pisnitchenko y Tarasova, 2009]

El sistema de modelado climático regional PRECIS fue desarrollado por el Centro

Hadley del Reino Unido, permitiendo al modelo HadRM3P ejecutarse sobre un

área limitada del globo terráqueo [Jones et al., 2004]. El modelo posee 19 capas

verticales y dos posibles resoluciones horizontales para escoger. Los datos

empleados en el presente estudio corresponden a la resolución de 25 km, con

resolución temporal diaria. Los datos disponibles por el INAMHI consideran las

salidas provistas por Centella y Bezanilla [2008], forzadas por el modelo global

ECHAM4, con un período de control que va desde 1961 hasta 1990, y luego



17

salidas para los escenarios A2 y B2 divididas en archivos que van desde 1990

hasta 2050 y desde 2050 hasta 2099. El dominio computacional es visible en la

Figura 4.

Figura 4. Dominio computacional del PRECIS. Fuente: [Centella y Bezanilla, 2008]

Todos los modelos mencionados arriba son hidrostáticos. Esto significa que

consideran intrínsecamente en las ecuaciones físicas a los glóbulos de atmósfera

en equilibrio hidrostático. Los modelos más realistas, y que pudieran tener un

mejor desempeño en un territorio con relieve tan complejo como el ecuatoriano

son los no-hidrostáticos (para una revisión de uso de este tipo de modelos para los

países andinos ver [Muñoz et al. 2010]). Para un resumen de los datos

disponibles, períodos escogidos para el presente y futuro, y resoluciones

respectivas, ver Tabla 2.



18

Para fines de validación, se han escogido los campos de precipitación y

temperatura en malla de 0.5o de resolución provistos por la versión 2 de CRU

[Mitchell y Jones, 2005], a la que se denominará CRU2 en lo que sigue. Se

escogió CRU2 debido a que con la misma metodología y resolución están

dispobibles ambas variables de interés. Además, Chimborazo, Guitarra y Muñoz

[2010], empleando una base de datos con análisis objetivo producida por [Muñoz y

Erazo, 2010] –llamada INAMHICMC30k- a partir de datos de estaciones del

INAMHI, muestran que el comportamiento de CRU para la descripción de la

variabilidad espacio-temporal de la precipitación y temperatura en el territorio

ecuatoriano es aceptable en general, en términos de los sesgos y correlaciones

espacio-temporales. CRU2 cubre homogéneamente el globo terráqueo, salvo los

Océanos y la Antártida, con datos disponibles desde 1901 hasta 2000. Para

efectos de este trabajo se han usado datos desde 1960 hasta 2000. La resolución

temporal es mensual.

Tanto para los procesos de validación como para los mapas de cambio de

variables y de consenso, se ha escogido el dominio común que va desde 82 O

(82W) hasta 75 O (75W) y desde 5 S hasta 2 N.

Modelo Presente Futuro Escenario(s) Resolución (km)

TL959 1979-2000 2015-2039 A1B 20

ETA (CCS) 1960-1990 2071-2099 A2,B2 56

PRECIS 1961-1990 2071-2099 A2,B2 25

Nota: El período señalado como “Presente” corresponde al escogido para la validación.

Tabla 2. Modelos y períodos escogidos para precipitación y temperatura



19

METODOLOGÍA

Como se ha mencionado anteriormente, el presente estudio consta de tres

componentes. En esta sección de describe la metodología empleada en cada una

de ellas para el postprocesamiento de los datos. Todos los scripts fueron

desarrollados en NCAR Command Language (NCL, http://www.ncl.ucar.edu)

Validación

En aras de estudiar qué tan bien representan los modelos TL959, ETA y PRECIS

el clima presente, se han escogido las métricas coeficiente de correlación lineal,

CC, su valor cuadrático, r2 (conocido como el coeficiente de determinación) y el

sesgo o bias B (para detalles, ver [Wilks, 2005]), respectivamente son:

(1)

(2)

donde S corresponde a la simulación y O a la observación, cov es el operador

covarianza y es la desviación estándar.

Estos estadísticos se escogieron porque permiten rápidamente apreciar, por parte

de los tomadores de decisión, qué tan bien un modelo en particular es capaz de

reproducir los patrones espacio-temporales observados (coeficiente de

correlación)y si las magnitudes simuladas numéricamente sobreestiman o

subestiman, y en cuánto, a las observaciones. En efecto, un coeficiente de

correlación de +1 indicará que la simulación reproduce “perfectamente” lo

http://www.ncl.ucar.edu/



20

observado, tanto en espacio como en tiempo. Por otra parte, un coeficiente de 0

indica que no hay correlación alguna entre las observaciones y lo simulado.

Valores negativos para el coeficiente implican un comportamiento inverso entre lo

simulado y lo observado.

Es importante destacar que se han llevado a cabo las pruebas correspondientes

para estudiar la significancia estadística asociada a los resultados de la

correlación. El coeficiente de correlación [Wilks, 2005] de n pares de

observaciones independientes se ha probado aquí contra la hipótesis nula (i.e. no

existe correlación) empleando la estadística t-Studentis con n-2 grados de libertad.

El límite de confianza escogido fue de 99% (p-valor=0.01).

El procedimiento para realizar la validación consistió, por una parte, en calcular los

mapas espaciales del coeficiente de correlación para todos los meses disponibles

en cada caso, esto con el objeto de trabajar con una muestra más robusta. Estos

períodos corresponden a las líneas base de los datos disponibles de los modelos,

y no a una ejecución de los mismos empleando reanálisis como condiciones de

borde. Una ejecución con reanálisis correspondería a un estudio de predicibilidad

máxima, si se asume aquél como “observaciones perfectas”, una asunción

bastante frecuente en la comunidad científica. La aproximación seguida acá

permite directamente estudiar la realización4 provista por el anidamiento del

modelo regional en el modelo global (en el caso del ETA y PRECIS) o

directamente la realización de éste (caso TL959). Esto es, la validación se lleva a

cabo no sólo sobre el modelo per se sino del mismo alimentado con la ejecución

del modelo global para el presente, lo cual da una idea más real del desempeño

del sistema numérico como un todo para representar el clima presente.

Así, siguiendo lo indicado en la Tabla 2, para el TL959 se tiene una muestra de

264 meses (CC>0.143 es significativo a un límite de confianza del 99%), para el

4 Una realización en modelación numérica se refiere a una posible “realidad físicamente consistente” entre

múltiples que pueden tenerse.



21

ETA de 372 meses (idem, para CC>0.120) y para el PRECIS de 360 meses (idem,

para CC>0.121). Se intentó que los períodos del presente coincidieran con los

mismos empleados en los conjuntos de datos originales, pero para el caso del

TL959 se decidió el período 1979-2000. En estos mapas, cuanto más rojo

aparezca el tono en el mapa, mayor correlación se tiene. Tonos blancos implican

correlaciones cercanas a cero (y sin significancia estadística), y tonos en azul

corresponden a correlaciones negativas (inversas).

En cuanto al coeficiente de determinación se calculó, para cada mapa de

correlación, como la media zonal y meridional de todo el dominio. Este coeficiente

da una idea del desempeño del modelo en términos, pues, de las correlaciones

espacio-temporales medias, y no directamente información en términos de la

comparación de las magnitudes (sobreestimación y subestimación, por ejemplo).

Por otra parte, se calcularon los mapas espaciales de sesgo considerando la

media estacional (de 3 meses) multianual para cada período. En este tipo de

mapas, los tonos rojos implican sobreestimación de la variable por parte del

modelo (por ejemplo, para temperatura indicaría que tiene un sesgo cálido es esas

zonas), mientras que los azules indican subestimación. Los tonos blancos indican

que lo simulado y observado tiende a coincidir.

En cada caso, el procedimiento se efectuó tanto para precipitación (PRCP o

PRECIP, en lo que sigue) como para temperatura superficial (que llamaremos

T2M de ahora en adelante), y como observaciones se utilizó el conjunto de datos

CRU2, descrito en la sección anterior, siempre para el mismo período que los

escogidos para cada modelo. Dado que las unidades originales de los modelos no

corresponden directamente con las unidades de los productos CRU2, se hizo la

transformación correspondiente.



22

Análisis Individual y de Consenso

Para obtener el cambio previsto en las variables para cada modelo, se calculó la

diferencia (DELTA, en lo que sigue) entre las medias futuras y presentes, por

trimestre y para ambos períodos completos. En el caso de la precipitación, se

escogió utilizar la variable original de los modelos, a saber: intensidad de

precipitación, que aparece en las figuras como INTENS(PRECIP). Aunque medida

en m/día desde el punto de vista físico, se presenta por facilidad para el tomador

de decisión el cambio porcentual correspondiente, con respecto al presente; de

ahí que las unidades de tales figuras sean porcentuales (%). Sin embargo, para

los deltas de temperatura, la presentación se hace en términos de grados Celsius,

para mayor facilidad de interpretación. Esta escogencia se hizo luego de consultar

directamente a múltiples tomadores de decisión al respecto.

De nuevo, para estas figuras, tonos en rojo implican incremento de la variable en

estudio, en blanco indican que no hay cambios con respecto al presente y en azul

indican decrementos.

En lo que respecta al análisis de consenso, el mismo se lleva a cabo

considerando en conjunto las salidas disponibles en términos de los mismos deltas

recién descritos. En el caso de temperatura, todos los deltas son siempre

positivos, pero en el caso de precipitación no sólo existen regiones con

incrementos. Los mapas de consenso [IPCC, 2007; Taylor et al., 2007; Centella y

Bezanilla, 2008] permiten rápidamente apreciar cuántos modelos están de

acuerdo, para una celda particular, en si hay previsión de incrementos o

decrementos. Naturalmente, este tipo de mapas puede emplearse para visualizar

incertidumbres: en la medida en que un número mayor de modelos indica acuerdo

en un evento en particular, menor será la incertidumbre asociada.

En este documento se presentan tanto los mapas de consenso para incremento

como para decremento de intensidad de precipitación para el Ecuador.



23

RESULTADOS

En esta sección se discuten los principales resultados obtenidos en términos de la

validación de los modelos y el análisis individual y de consenso para precipitación

y temperatura superficial.

1.- VALIDACIÓN DE LOS MODELOS

1.1.- TL959

Puede decirse que, en promedio, las salidas del TL959 para el clima

presente evidencian, en términos de correlación espacio-temporal (Figura 5), alta

similitud con los patrones observados (CRU2) para el Litoral Ecuatoriano. Se

encuentra nivel de significancia estadística para la mayor parte del territorio, salvo

para el Callejón Interandino y regiones a pié de monte, especialmente en la

vertiente amazónica de la Cordillera, pero con una zona de incluso correlación

negativa en el noroeste de Ecuador (ver Figura 5). En el Oriente ocurren patrones

alternados de mayores y menores correlaciones, pero en general toda la

Amazonía Ecuatoriana (salvo la región en el sur cercana a la Cordillera Andina)

posee significancia estadística por encima del 99%.

Es normal que los modelos en general presenten problemas a la hora de describir

los procesos de precipitación (y temperatura) a lo largo de orografía compleja,

como es el caso del Ecuador. De hecho, Chimborazo, Guitarra y Muñoz [2010]

muestran que la representación, por parte del modelo, del relieve a lo largo del

Callejón Interandino no es en principio mala, sin embargo se aprecia que la

representación de los procesos físicos asociados a precipitación, especialmente la

convección orográfica, podrían estar fallando en el modelo TL959. Esto puede

deberse a la compleja orografía, una resolución aún no lo suficientemente alta



24

para describir todos los procesos y a problemas con la descripción propiamente

dicha de los procesos físicos relacionados (vale recordar que ninguno de los

modelos aquí considerados es no hidrostático).

Figura 5. Correlación para precipitación entre CRU2 y TL959. Período: 1979-2000.



25

Figura 6. Sesgo medio para precipitación (mm) entre CRU2 y TL959. Período: 1979-2000.

En cuanto al sesgo medio, se aprecia que en la mayor parte del territorio el TL959

tiende a sobreestimar la precipitación, con una señal muy clara en el Litoral,

excepto en la costa noroccidental, en la que se aprecia (ver figuras 7a,7b y 7c) un

cambio que va desde subestimación a ligera subestimación (Figura 7c). En la



26

Sierra se reportan localidades con sobreestimación, subestimación y valores

Figura 7a. Sesgo trimestral (desde DEF hasta MAM) para precipitación (mm) entre CRU2

y TL959. Período: 1979-2000.



27

Figura 7b. Igual que 7a pero para los trimestres comprendidos entre AMJ y JAS.



28

Figura 7c. Igual que 7a pero para los trimestres comprendidos entre ASO y NDE.



29

similares a las observaciones, dependiendo de la ubicación geográfica y la época

del año. Esto es de esperarse, debido a que aún a 20 km de resolución, el modelo

es incapaz de resolver todas las características y microclimas presentes en el

Callejón Interandino.

Vale la pena aquí detenerse un instante para hacer una reflexión sobre el uso de

los mapas medios de sesgo. La Figura 5 evidencia, hacia el centro del dominio en

estudio, una región de muy baja correlación (menor a 0.1). De modo interesante,

la Figura 6 muestra para la misma región sesgos mínimos. Esto es contradictorio,

y la explicación para que el sesgo en esta zona se muestre como tal es debida a

que a lo largo del año (Figuras 7a a 7c) precisamente esa región muestra sesgos

húmedos y secos, dando en promedio valores cercanos a cero. Es uno de los

cuidados que hay que tener con los mapas que presentan esta métrica.

En el Oriente, el comportamiento del sesgo es mucho más heterogéneo. A lo largo

del pié de monte andino, desde el sur hasta el norte, se aprecia consistentemente

un sesgo húmedo, probablemente asociado a una mala representación en la física

del modelo de los procesos de convección orográfica. Más hacia el este, desde

Febrero hasta Junio hay una amplia región con sesgo seco, que cambia pronto de

señal, desde aproximadamente Julio hasta finales de año para convertirse en una

zona de sobreestimación. Es importante resaltar que este mismo comportamiento

en el sesgo lo sigue la mayor parte del Callejón Interandino, poniendo en

evidencia la interconexión en el modelo de los patrones de precipitación con

origen principal en la vertiente amazónica, así como una deficiente descripción de

los procesos de precipitación y transporte de humedad para estas regiones.

Como es típico, el comportamiento general de la correlación para temperatura es

mucho mejor (Figura 8). De hecho, como se discutirá posteriormente, el TL959 es

el modelo con mejores correlaciones para temperatura superficial. La Figura 8

muestra correlaciones estadísticamente significativas por encima del 99% para

todo el territorio ecuatoriano, siendo algo menores los valores a lo largo de la

Cordillera Andina, por motivos ya discutidos.



30

Figura 8. Correlación para temperatura entre CRU2 y TL959. Período: 1979-2000.

Sin embargo, el sesgo medio es frío para prácticamente todo el territorio (Figura

9), especialmente para el extremo nororiental. Este comportamiento es bastante

constante a todo lo largo del año (Figuras 10a a 10c), y existen regiones

espaciales bien diferenciadas con esta anomalía, como por ejemplo la permanente

en 1S y 78.5º, en el Callejón Interandino, con diferencias por debajo de 3 o más oC



31

( el núcleo gemelo un poco más al sudeste). Sin embargo, entre el trimestre de

MJJ y NDE en el extremo suroccidental se hace notorio un cambio en el sesgo

(Figuras 10b y 10c), pasando ahora el modelo a sobreestimar la temperatura en

esta región.

Figura 9. Sesgo medio para temperatura (oC) entre CRU2 y TL959. Período: 1979-2000.



32

Figura 10a. Sesgo trimestral (desde DEF hasta MAM) para temperatura (oC) entre CRU2 y

TL959. Período: 1979-2000.



33




34




35

1.2.- ETA

El modelo ETA presenta correlaciones también estadísticamente

significativas en precipitación para la mayor parte del territorio ecuatoriano (Figura

11), excepto en el sur –en donde surgen correlaciones negativas- y sureste del

territorio. Las máximas correlaciones son, como en el caso del TL959, en la Costa.

De modo interesante, el ETA no presenta la característica franja de baja

correlación a lo largo de la Cordillera Andina para precipitación: hay regiones en la

Sierra con correlaciones negativas (extremo sur), y correlaciones con significancia

estadística. El extremo nororiental presenta altas correlaciones también. En

general, pues, el comportamiento de los patrones en espacio y tiempo se asemeja

bastante bien a los del CRU2, salvo en el sur y sureste del Ecuador, y

especialmente bien a lo largo del Litoral.

El comportamiento de las magnitudes de precipitación producidas por el modelo

ETA, con respecto a las observaciones, evidencia (Figura 12) un fuerte sesgo

seco para la mayor parte del Ecuador, excepto a lo largo de la Cordillera, en

donde la representación es relativamente aceptable. La subestimación en la

precipitación es más importante (mayor a 200 mm de diferencia) en la Amazonía

(durante todo el año), y en buena parte de la Costa, sobre todo de norte a sur en

esta región entre los trimestres de DEF a MAM (ver Figuras 13a, 13b y 13c). Entre

JJA y SON, en sectores cada vez más amplios del Litoral Ecuatoriano, los sesgos

mejoran mucho. Lamentablemente estos períodos coinciden con estaciones de

muy baja precipitación, y en general el interés mayor en los tomadores de decisión

está precisamente en los meses de máxima precipitación (Figura 13a).

La fortaleza del ETA, en términos de su representación de la precipitación está,

claramente, en la Sierra. A lo largo del año es la región en la que los sesgos están

más cerca de desaparecer (entre -40 mm y 0 mm), especialmente entre MJJ y

ASO.

Estos comportamientos sugieren que las parametrizaciones físicas del modelo



36

Figura 11. Correlación para precipitación entre CRU2 y ETA. Período: 1960-1990.



37

Figura 12. Sesgo medio para precipitación (mm) entre CRU2 y ETA. Período: 1960-1990.



38


ETA. Período: 1960-1990.



39




40




41

parecen adecuados para representar mejor los procesos relacionados con

precipitación en relieve que sobre el Amazonas o el Litoral de Ecuador.

Por otra parte el comportamiento de la correlación de temperatura entre CRU2 y

ETA es, como en el caso del TL959, bastante bueno (Figura 14) para todo el

territorio, pero no así sus representaciones de las magnitudes de la temperatura

(Figura 15), las cuales tienden a exceder los 3 oC de diferencia, un valor bastante

alto comparado con otros modelos. Existen sesgos muy marcados para la gran

mayoría del territorio, fríos en casi todo el Litoral, y cálidos para la Sierra y el pié

de monte andino en la vertiente amazónica. Este comportamiento se presenta de

modo consistente a lo largo de todo el año (Figuras 16a a 16c).

En la Amazonía Ecuatoriana, en promedio, se tienen regiones de sesgo frío

también, pero no tan graves como en el caso del Litoral. El Oriente sufre

transiciones de subestimación de temperatura –entre DEF y JAS- a

sobreestimaciones –ASO a OND (Figuras 16a a 16c).



42

Figura 14. Correlación para temperatura entre CRU2 y ETA. Período: 1960-1990.



43

Figura 15. Sesgo medio para temperatura (oC) entre CRU2 y ETA. Período: 1960-1990.



44


ETA. Período: 1960-1990.



45




46




47

1.3.- PRECIS

El tercer y último de los modelos regionales de clima disponibles, el

PRECIS, posee correlaciones para precipitaciones no tan buenas como en los

casos anteriores (Figura 17). La zona con significancia estadística recorre el país

de sur a norte, siguiendo la mayor parte de la Cordillera Andina, pero también

ubicándose sobre regiones del Litoral Ecuatoriano. La mayoría de las provincias

del Oriente no poseen correlaciones significativas, así como regiones costeras

visibles en la Figura 17. En el extremo oriental del país incluso se reportan

correlaciones negativas con respecto a los patrones de CRU2. A pesar de ser un

modelo a 25 km de resolución, el PRECIS no aparece muy aventajado en términos

de su descripción de los patrones espacio-temporales de precipitación con

respecto al TL959 y al ETA.

El panorama es similar para los sesgos. La Figura 18 reporta sesgos medios para

todo el período considerado (1961-1990), secos en el Litoral y el Oriente, y

excesivamente húmedos (en algunas zonas con diferencias mayores a los 200

mm) para la Sierra y el pié de monte andino (para ambas vertientes). Este

comportamiento en el sesgo es bastante constante a lo largo del año (Figuras 19a

a 19c), salvo en las estaciones correspondientes a los períodos que van de JJA a

SON, en los que esta métrica indica mejores descripciones de la variable para la

Costa Sudoccidental de Ecuador. El PRECIS falla, pues, en una representación

adecuada de las cantidades de precipitación para el Litoral justo para el período

de mayores lluvias (primeros meses del año, Figura 19a), y en general para la

Sierra indica sobreestimación a lo largo de todo el año.

El mapa de correlación para la temperatura superficial se muestra en la Figura 20.

Evidencia correlaciones significativas para la mayor parte del territorio ecuatoriano,

exceptuando una franja que divide al país en dos, de sur a norte, y que tiende a

con la Cordillera Andina.



48

Figura 17. Correlación para precipitación entre CRU2 y PRECIS. Período: 1961-1990.



49

Figura 18. Sesgo medio para precipitación (mm) entre CRU2 y PRECIS. Período: 1961-

1990.



50

Figura 19a. Sesgo trimestral (desde DEF hasta MAM) para precipitación (mm) entre

CRU2 y PRECIS. Período: 1961-1990.



51




52




53

La Figura 20 evidencia, sin embargo, muy buenas correlaciones para el Oriente y

la Costa, y de modo interesante una anti-correlación en el extremo sur del

Ecuador. Las correlaciones en el extremo oriental tienden, como en el caso del

ETA y del TL959, a ser mayores que en regiones amazónicas más cercanas a la

Cordillera. Los sesgos medios de temperatura (Figura 21) son, sin embargo,

menores (casi nulos incluso en algunos sectores) en la Amazonía que en el Litoral

o la Sierra. En esta última, salvo un par de núcleos cálidos bien definidos (con 3oC

o más de diferencia con respecto a las observaciones), la tendencia del PRECIS

es a presentar un sesgo frío, mientras que lo opuesto sucede en el Litoral

Ecuatoriano, en el que desde Guayas hasta Esmeraldas se puede apreciar (Figura

21) un sesgo cálido en la salida del modelo.

Si bien el sesgo cálido en el Litoral y el sesgo frío a lo largo de la Cordillera se

mantienen más o menos estables a lo largo del año (Figuras 22a a 22c), la

Amazonía oscila entre la sobrestimación (de JJA hasta FMA) y la subestimación

(MAM hasta aproximadamente MJJ), sobre todo en una franja meridional entre los

77 O y 78 O. El extremo oriental amazónico tiende a estar todo el año con un

sesgo frío.

Los resultados reportados aquí para la validación por sesgo están de acuerdo con

los indicados por Centella y Bezanilla [2008].

Para terminar, se muestra en la Tabla 3 los resultados del coeficiente de

determinación correspondiente a los mapas de correlación de precipitación,

Figuras 5, 11 y 17, y las Figuras 8, 14 y 20 de correlación de temperatura, tras

haber calculado la media zonal-meridional al dominio completo.

Puede apreciarse de inmediato que el modelo TL959 es el que mejor representa,

en términos espaciales, los campos de temperatura, mientras que para

precipitación es el ETA.



54

Figura 20. Correlación para temperatura entre CRU2 y PRECIS. Período: 1961-1990.



55

Figura 21. Sesgo medio para temperatura (oC) entre CRU2 y PRECIS. Período: 1961-

1990.



56


PRECIS. Período: 1961-1990.



57




58




59

Variable\Modelo TL959 ETA (CCS) PRECIS

Temperatura 0.6073 0.4157 0.2825

Precipitación 0.2582 0.3107 0.2779

Tabla 3. Coeficiente de determinación (CC2), tras calcular su media zonal y meridional,

para los modelos estudiados. En negrilla se han resaltado los mejores resultados.

Llama la atención que el ETA, teniendo la resolución menor (56 km,

aproximadamente) posea mejor comportamiento en correlación que el TL959 (20

km). Esto se debe a que, al tomar el valor medio, la franja de correlación baja a lo

largo de la Cordillera, que presenta el TL959, le provee peores resultados en este

índice. Pero si se tomaran los valores medios de las correlaciones por regiones,

sin lugar a dudas el TL959 proveería, como cabría esperar, mejores resultados

para Costa y Amazonía.

Esta métrica, como se ha discutido, no provee información específica sobre las

diferencias de magnitud, o sesgo, de los mencionados modelos, las cuales se han

representado y discutido en detalle a lo largo de esta sección.

Como nota de cierre de esta subsección, Muñoz y Recalde [2010] han provisto

una climatología de 10 años a 30 km para el Oeste de Sudamérica y los datos

están disponibles gratuitamente en línea. Un análisis semejante al realizado aquí

se ha llevado a cabo para el modelo WRF (un modelo no hidrostático) obteniendo

resultados incluso mejores que los del TL959 o el ETA para temperatura y

precipitación, respectivamente. Para detalles, ver Recalde [2010].



60

2.- ANÁLISIS INDIVIDUAL

En esta sección se discuten las salidas numéricas de los tres modelos disponibles,

con los escenarios descritos anteriormente, de modo individual. En el caso del

modelo TL959 es importante recordar que el período futuro corresponde al

comprendido entre los años 2015 y 2039, y al escenario A1B (ver Metodología,

más arriba), un escenario considera como “intermedio” en término de emisión de

GEI.

En el caso del modelo ETA y del PRECIS el período futuro en consideración es el

de finales del siglo XXI (2071-2099). Como se ha mencionado, esta elección se

debe a que para el corto plazo sería menester considerar no únicamente el efecto

del Cambio Climático sino también los efectos moduladores (amplificadores,

atenuadores) asociados a la variabilidad climática. Los experimentos del IPCC

[2007] sugieren que en el largo plazo la señal de Cambio Climático sería

plausiblemente distinguible en las salidas de los modelos.

En las figuras que siguen los rangos de los deltas se han ampliado con respecto al

del modelo TL959, para poder representar mejor las tasas de cambio. En algunos

casos, incluso, las mismas rebasan las escalas.

Del modelo ETA y PRECIS se tienen salidas (ver Metodología) tanto para el

escenario A2 como para el B2, de modo que ambos se analizan individualmente

aquí, tanto para intensidad de precipitación (mm/día) como para temperatura oC.

Los cambios para la intensidad de precipitación, como se ha explicado en la

Metodología, se expresan porcentualmente con respecto al período presente

correspondiente (ver Tabla 2), debido a que es más fácil para el tomador de

decisión en este caso su interpretación. En el caso de la temperatura el cambio

(delta) se expresa en las unidades físicas originales, por su mayor facilidad de

interpretación.



61

2.1.- TL959

La Figura 23 muestra incrementos porcentuales de precipitación de modo

bastante homogéneo para el Litoral Ecuatoriano (valores de hasta incluso 10%),

especialmente para algunos sectores de El Oro, el sur de Guayas y buena parte

de Manabí. La Sierra, sin embargo, evidencia tanto incrementos como

decrementos porcentuales, dependiendo de la ubicación (ver Figura 23). En la

Amazonía cercana a las laderas andinas, se evidencian múltiples zonas con

incrementos de precipitación, mientras que más al este en promedio se avistan

decrementos o muy ligeros incrementos. Como Chimborazo, Guitarra y Muñoz

[2010] han discutido, este comportamiento parece deberse en buena medida a

cambios en la circulación de bajo nivel de los vientos zonales y meridionales.

Por otra parte, si bien el comportamiento del Litoral (incrementos en la intensidad

de precipitación) se presenta de modo continuo a lo largo de todo el año, los

cambios relativos futuros para la variable en cuestión, tanto para la Sierra como

para el Oriente, varían estacionalmente. Las Figuras 24a a 24c presentan estas

variaciones: desde ASO hasta EFM hay una señal dominante de disminución

relativa en la intensidad de precipitación para el Oriente, si bien no es homogénea

para todos los sectores y todas las estaciones. Entre FMA y MJJ ocurre lo

opuesto: una señal de incremento de intensidad domina el Oriente. Como

resultado medio (Figura 23) se aprecian los patrones de incremento cerca de las

laderas orientales de la Cordillera Andina y decrementos más o menos en el resto

de la Amazonía, como se ha dicho recientemente.

Los patrones en el Callejón Interandino son más complejos de identificar, pero sin

embargo es posible apreciar trimestres en los que las señales de incremento y

decremento de la intensidad de precipitación son claras en las vertientes pacífica y

amazónica, respectivamente (e.g. MAM, MJJ, JJA y JAS).



62

Figura 23. Delta (Futuro-Presente) de intensidad de precipitación (%) para el TL959.



63

Figura 24a. Delta (Futuro-Presente) de intensidad de precipitación (%) trimestral (desde

DEF hasta MAM) para el TL959.



64




65




66

La Figura 25 y las 26a, 26b y 26c muestran, respectivamente, los cambios

relativos previstos para el futuro cercano con el TL959 para la temperatura

superficial para todo el período en promedio, y para cada uno de los 12 trimestres

del año. Puede verse que en todo el territorio continental ecuatoriano el modelo

TL959 prevé incrementos de temperatura por encima de 0.5oC. Ni una sola celda

aparece siquiera con decrementos de temperatura. Es sabido [Harrison & Carson,

2007] que regiones de la costa del Pacífico de Sud América evidencian tendencias

a enfriamiento en el período reciente 1980-2000. Los modelos de cambio climático

del IPCC [2007], sin embargo, muestran un calentamiento homogéneo para esta

misma región. No es, pues, de extrañar, que las figuras recién mencionadas

evidencien tal calentamiento homogéneo, dado que las condiciones de borde

fueron suscritas para que tal cosa fuera reflejada por los modelos a lo largo de la

ejecución.

De modo interesante, se aprecia que las temperaturas en el Litoral Noroccidental y

aproximadamente toda la zona marítima al norte de 2oS presentan temperaturas

inferiores que el resto del territorio ecuatoriano. Cabe la pregunta de si, a pesar del

modelo estar respondiendo a la variabilidad de la temperatura de la superficie del

océano suscrita, la física del modelo está reconociendo, de acuerdo a las

observaciones [Harrison & Carson, 2007], que esta zona mencionada estaría

experimentando enfriamientos en algún nivel. Este punto es importante y merece

mayor atención en un estudio futuro.

Las mayores temperaturas se aprecian, claramente, a lo largo del Callejón

Interandino, con cambios relativos incluso del orden de 1.2oC. En menor grado,

pero sin ser despreciables, se prevén cambios también para la Amazonía

Ecuatoriana, del orden de los 0.8-1oC.

Los calentamientos, por otra parte, son bastante homogéneos a lo largo de todo el

año.



67

Figura 25. Delta (Futuro-Presente) de temperatura (oC) para el TL959.



68

Figura 26a. Delta (Futuro-Presente) de temperatura (oC) trimestral (desde DEF hasta

MAM) para el TL959.



69




70




71

2.2.- ETA

Los cambios porcentuales medios en la intensidad de precipitación para el

escenario A2, considerando todo el período, se muestran en la Figura 27. Se

aprecian claros incrementos, algunos incluso de más del 75%, para el suroeste de

Ecuador y a lo largo de una franja meridional que permite identificar a toda la

Amazonía con decrementos que van entre el 15% y el 50% aproximadamente,

menos importantes cerca del pié de monte andino.

Resalta una región en el noroeste de Ecuador, norte de Manabí y la mayor parte

de Esmeraldas, con claros decrementos de intensidad de precipitación. Esta

distribución espacial está presente más o menos con el mismo patrón entre OND y

EFM (Figuras 28a a 28c). Entre FMA y MJJ la región con decremento de

intensidad en el noroeste se hace mayor paulatinamente hasta extenderse

prácticamente a lo largo de todo el Litoral Ecuatoriano. A partir de entonces vuelve

a retraerse el patrón espacial.

El comportamiento en la Cordillera es básicamente de incrementos importantes a

lo largo de todo el año, salvo algunas oscilaciones estacionales (ver Figura 28b).

En el Oriente, los períodos con menores cambios se aprecian entre DEF y MAM

(Figura 28a), sobre todo hacia el sur, mientras que entre JJA y JAS los cambios se

aprecian menores en el norte de la Amazonía, sobre todo cerca de las laderas

andinas. Regiones como el sur de Guayas y El Oro presentan incrementos bien

definidos a lo largo de todo el año.

En términos de temperaturas, la Figura 29 evidencia incrementos medios entre 2

y 3.5oC para la Amazonía, entre 0.5 y 1.5 oC para la Costa y entre 1 y 2 oC para la

Sierra. El ETA, como se ha discutido ya, no posee una resolución espacial muy

alta (56 km aproximadamente), y por ende es de esperar que sea incapaz de

mostrar una gran variedad de patrones de temperatura a lo largo del Callejón

Interandino, donde en efecto ocurren microclimas diversos.



72

Figura 27. Delta (Futuro-Presente) de intensidad de precipitación (%) para el ETA (A2).



73


DEF hasta MAM) para el ETA (A2).



74




75




76

El comportamiento estacional de las temperaturas en el Ecuador continental es

bastante estable, sobre todo en el Oriente y la Sierra, según lo visible en las

salidas del ETA (escenario A2) en las Figuras 30a, 30b y 30c. La mayor

variabilidad estacional se aprecia en el Litoral, con cambios menores para los

meses de OND a FMA.

Figura 29. Delta (Futuro-Presente) de temperatura (oC) para el ETA (A2).



77


MAM) para el ETA (A2).



78




79




80

Los patrones espaciales medios de los cambios en la intensidad de precipitación

previstos por el modelo ETA para el escenario B2 (menor emisión de GEI que el

A2), son visibles en la Figura 31. Se aprecian estructuras muy similares a las de la

Figura 21 (caso ETA A2), aunque con cambios menos bruscos.

Estacionalmente los patrones coinciden también grosso modo con lo discutido

para el A2, pero de nuevo con intensidades algo menores. En algunos casos muy

claros, como a lo largo de la Sierra, y especialmente en regiones circundantes a la

línea ecuatorial, y alrededor de los 2S, se aprecian decrementos (0-30%) con

respecto al período presente en la intensidad de precipitación (ver Figuras 32a a

32c) entre AMJ y JJA. Patrones semejantes, pero con definiciones de incremento

más notorias, se apreciaron en el análisis del escenario A2 del ETA más arriba

para las mismas regiones.

Espacialmente, la temperatura prevista por el ETA para el escenario B2 es de

nuevo semejante a la del caso A2, aunque con cambios menores con respecto al

período de control. La Figura 33 muestra este comportamiento, consistente con el

hecho de que se trata de un escenario de menor emisión. Las Figuras 34a, 34b y

34c son, pues, análogas a las del escenario A2 del ETA, pero con deltas de

temperaturas menores.



81

Figura 31. Delta (Futuro-Presente) de intensidad de precipitación (%) para el ETA (B2).



82


DEF hasta MAM) para el ETA (B2).



83




84




85

Figura 33. Delta (Futuro-Presente) de temperatura (oC) para el ETA (B2).



86


MAM) para el ETA (B2).



87




88

Figura 34c. Igual que 34a pero para los trimestres comprendidos entre ASO y

NDE.



89

2.3.- PRECIS

Los patrones medios de cambio en la intensidad de precipitación del

escenario A2 con el PRECIS son algo distintos que en el caso del ETA (Figura

35). Aparece con claridad el incremento a lo largo de la Cordillera Andina (salvo

una sección alrededor de la línea ecuatorial) y para el suroeste del país, pero

resaltan un par de focos importantes en el extremo noroccidental y nororiental;

este último aparece en el ETA claramente como región de decremento de

intensidad de precipitaciones.

La Figura 35 deja claro también que en valores medios el PRECIS prevé

decrementos en la intensidad de precipitación para prácticamente todo el Litoral,

excepto regiones a pié de monte andino. El sur de Guayas y El Oro, se aprecian

con incrementos también (ver Figura 35). La Amazonía, al sur de 1.5S, se muestra

con incrementos de por encima del 50% en general, con regiones incluso del

orden del 75% o superior.

Por otra parte, los patrones estacionales medios (Figuras 36a, 36b y 36c)

muestran variaciones que vale la pena detallar. Si bien el escenario y modelo

sugiere que la mayor parte de la Costa sufriría los efectos de un decremento de

precipitaciones entre el 40% y 75%, en OND y NDE esta tendencia se invierte

completamente (Figura 36c). Esto sugiere que pudiera esperarse un mayor

número de eventos extremos de precipitación intensa hacia finales del siglo XXI

para precisamente estos períodos estacionales. Similarmente, una señal de

incremento se aprecia en toda la Amazonía para los trimestres entre AMJ y JAS.

La Sierra, estacionalmente, presenta decrementos en el vecindario cercano a la

línea ecuatorial (Figura 36a) y hacia el sur en amplias regiones de Loja y Azuay,

los primeros meses del año.



90

Figura 35. Delta (Futuro-Presente) de intensidad de precipitación (%) para el PRECIS

(A2).



91


DEF hasta MAM) para el PRECIS (A2).



92




93




94

Figura 37. Delta (Futuro-Presente) de temperatura (oC) para el PRECIS (A2).



95


MAM) para el PRECIS (A2).



96




97




98

El escenario A2 con el PRECIS prevé incrementos importantes de temperatura

para la mayor parte del territorio ecuatoriano (Figura 37), en promedio por encima

de los 3.2oC para la mayor parte de la Amazonía y el suroeste del país. Para la

Sierra se prevén incrementos entre casi los 2 oC y más de 3.5 oC. Estos rangos

son más cálidos que lo previsto para el mismo escenario por el ETA (Figura 29).

Estacionalmente (Figuras 38a a 38c) el comportamiento espacial de los

incrementos es bastante similar al reportado arriba. El período con menores

aumentos de temperatura corresponden, para la Costa, a los primeros meses del

año. Entre AMJ y ASO se presentan los mayores incrementos en todo el territorio.

Luego de ASO el PRECIS claramente denota una bifurcación en el

comportamiento del aumento de temperatura en la Sierra, específicamente al

norte de 1S. Aparece foco con mayor calentamiento relativo que en los dos brazos

que lo bordean. Siguiendo la Cordillera hacia el sur no es tan elevado el

incremento previsto por el modelo.

Los deltas de cambio de intensidad de precipitación para el escenario B2 del

PRECIS (Figura 39) son similares al del escenario A2. Sin embargo, los focos de

incrementos que aparecen en el A2 en el extremo nororiental y noroccidental no

se aprecian en la Figura 39. Se tienen en general aquí decrementos para la Costa,

incrementos para la mitad sur de la Cordillera Andina, decrementos para sectores

de Cotopaxi, Tungurahua y Pichincha, decrementos ligeros (20% o menos) o

regiones sin cambios relativos al norte de 2S en la Amazonía, disminuciones en el

sur de Loja e incrementos en el resto del país.

Específicamente, en el Litoral se aprecian decrementos entre DEF y ASO,

mientras que incrementos en su mayor parte en OND y NDE (Figuras 40a, 40b y

40c). Asimismo resaltan los trimestres entre AMJ y JAS por el incremento relativo

al presente de la intensidad de precipitación en la Amazonía. En ASO y SON, una

amplia región de la Amazonía Nororiental presenta lo contrario: decrementos de

intensidad.



99

Figura 39. Delta (Futuro-Presente) de intensidad de precipitación (%) para el PRECIS

(B2).



100


DEF hasta MAM) para el PRECIS (B2).



101




102




103

Finalmente, los patrones espaciales de temperatura para el escenario B2 se

muestran, como cabría esperar, similares pero con menores incrementos que el

caso A2, sobre todo notorio esto en la Costa y la Sierra.

Figura 41. Delta (Futuro-Presente) de temperatura (oC) para el PRECIS (B2).



104


MAM) para el PRECIS (B2).



105




106




107

3.- ANÁLISIS DE CONSENSO

Teniendo todos los resultados individuales discutidos hasta ahora, es posible

percatarse de que las distintas salidas, incluso usando el mismo escenario, no

tienden a dar las mismas señales climáticas en las mismas regiones. Como se ha

mencionado en la introducción, todos estos productos poseen grandes

incertidumbres, y el poder proveer a los tomadores de decisión de alguna medida

de la misma es crucial.

Los mapas que se discuten a continuación se conocen comúnmente como mapas

de consenso, y han sido utilizados por otros autores en otras partes del mundo

[IPCC, 2007; Taylor et al., 2007] y en Ecuador [Centella y Bezanilla, 2008] para

dar una idea del acuerdo entre las distintas salidas de los modelos. Su

interpretación, como se ha explicado en la Metodología, es simple: cuanto mayor

el número de modelos que indican acuerdo en una afirmación en particular, e.g.

que la intensidad de precipitación va a aumentar o INTENS(PRECIP)>0 (en los

títulos de las figuras subsiguientes), menor será entonces la incertidumbre

asociada a dicha afirmación. Los colores en estos mapas relacionados con menor

incertidumbre son amarillo y rojo, mientras que los opuestos son violeta y azul.

Como se ha descrito en la sección metodológica, en estas figuras no se considera

en detalle la magnitud del cambio, sino si éste es positivo o negativo, y cuántos

modelos están de acuerdo en estas previsiones.

Para poder confeccionar estos mapas se hacen dos asunciones importantes:

1.- Los distintos modelos proveen información estadísticamente independiente

distribuida uniformemente alrededor del estado real (ver por ejemplo [IPCC, 2007;

Pennell y Reichler, 2010].

2.- Existe una base común que permite comparar los distintos modelos/salidas

numéricas.



108

En la primera se asume que cada modelo es realmente independiente de los

demás. Modelos que posean líneas de código iguales (por ejemplo para la

representación de un proceso físico particular) o que hayan sido programados, por

ejemplo, por el mismo Centro de Investigación, son modelos sospechosos de no

cumplir con esta primera asunción. Como se sabe [IPCC, 2007], múltiples modelos

usados por el IPCC no cumplirían con este primer punto (ver la reciente discusión

al respecto de [Pennell y Reichler, 2010], por ejemplo).

La segunda es sumamente importante: indica que para poder contrastar salidas

numéricas, éstas deben ser comparables, por ejemplo, en términos de las

metodologías usadas para producirlas.

Los modelos TL959, ETA y PRECIS, afortunadamente, han sido producidos por

distintos Centros de Investigación, y en el presente estudio usan incluso salidas de

modelos globales distintos (ver Metodología). Esto no exime a los modelos de

similitudes internas entre ellos, pero en principio constituye un buen punto a favor

de este estudio.

Por otra parte, la segunda asunción, en lo que respecta a este trabajo, indica

claramente que no deberían de compararse bajo un mismo canon las salidas del

TL959 con las del PRECIS o ETA, para empezar porque están referidas a

períodos distintos del futuro. Incluso, salidas del PRECIS para Ecuador están

disponibles [Centella y Bezanilla, 2008] para el mismo período del TL959, pero hay

que recordar que el experimento numérico asociado a la ejecución del modelo

global correspondiente (ECHAM), que a su vez ha provisto la información

necesaria para hacer el downscaling con el PRECIS, se diseñó para que

precisamente tuviera sentido a finales del s. XXI. Estos experimentos numéricos

de Cambio Climático no fueron, conscientemente, elaborados considerando la

inclusión de la variabilidad a distintas escalas temporales del Sistema Climático

Terrestre, sino para tener una idea del papel del Cambio Climático, el cual se

supone provee una señal clara (i.e., superior a la de las componentes debidas a la



109

variabilidad natural) en el largo plazo: finales del s. XXI. En resumen: no es posible

en principio, y bajo un punto de vista responsable, comparar las salidas del TL959

con las de los demás modelos disponibles en este trabajo.

Sin embargo, vale decir que los resultados mencionados aquí para la intensidad

de precipitación prevista por el TL959, están, en general, en acuerdo con las

tendencias reportadas por Muñoz, Recalde, Cadena et al. [2010] con el empleo de

la herramienta estadística FClimdex para el período 1971-2009, dentro de lo que

la resolución de los datos usados en ese trabajo permite, y para un límite de

confianza estadística del 95%. Las señales son especialmente coincidentes a lo

largo del Litoral. En la Sierra la resolución usada (1o) no permite percibir el lujo de

detalle que el TL959 sí muestra, y por ello el FClimdex podría indicar en promedio

para tales celdas un incremento, cuando el modelo japonés discierne entre zonas

con incrementos y decrementos. El menor acuerdo tiende a ocurrir entre estas

previsiones de “corto plazo” en sectores del Oriente Ecuatoriano (i.e.: la

Amazonía posee la mayor incertidumbre, en general). Un estudio detallado al

respecto escapa al alcance del presente documento.

Para el período futuro 2071-2099 (escogido el mismo para ambos) se han

empleado aquí las salidas del ETA y PRECIS y de los dos escenarios A2 y B2.

Esta comparación entre escenarios tiene sentido, en el espíritu de lo expuesto en

la Introducción, dado que corresponden a “futuros alternativos”. Los mapas de

consenso, pues, proveerán información sobre, dados los distintos futuros posibles,

en qué hay coincidencia entre los mismos (y por ende menor incertidumbre). En

otras palabras: conscientes de que puede ocurrir alguno de esos distintos futuros

físicamente posibles, ¿cuál sería la señal clara en todos ellos?

Entrando ahora en el tema, se ha visto en la sección anterior (Análisis Individual)

que sistemáticamente todos los escenarios estudiados, incluso para el corto plazo

(TL959 con el escenario intermedio A1B), proveen un incremento de la

temperatura en todo el dominio en estudio. Hay dos aspectos relacionados que



110

vale la pena mencionar. El primero está asociada al hecho de que existe evidencia

[Harrison y Carson, 2007] indicando que a lo largo de la costa del Pacífico de

Sudamérica hay regiones en donde se reporta un decremento de la temperatura

de la superficie marina, y los modelos globales acoplados del IPCC no reproducen

las observaciones. Está claro, pues, que para el estudio diseñado por el IPCC

[2007] para Cambio Climático se han forzado los modelos de modo que el

incremento de temperaturas era algo, de hecho, esperable, así como lo es el que

los modelos regionales de clima aquí discutidos “heredaran” dicho

comportamiento.

Hay, pues, un consenso –absoluto- en todas las salidas estudiadas para el cambio

previsto de temperatura de que el mismo será de incremento en todas las celdas

del dominio físico.

El panorama es distinto para el caso de la intensidad de precipitación, y por ello un

análisis especial se ha llevado a cabo. Dos afirmaciones se han considerado para

la elaboración de los mapas de consenso de las Figuras 43 y 44:

Incremento en la intensidad de precipitación: INTENS(PRECIP)>0

Decremento en la intensidad de precipitación: INTENS(PRECIP)<0

Como se comprenderá, no es suficiente considerar sólo uno de estos casos, dado

que el espacio muestral no es dicotómico, i.e. no hay sólo dos opciones: pueden

ocurrir incrementos, decrementos o que no hayan cambios con respecto al

presente.

Las Figuras 43a, 43b y 43c pueden analizarse conjuntamente con las 44a, 44b y

44c. Las primeras son mapas de consenso para incrementos, mientras que las

segundas son para decrementos de intensidad de precipitación en porcentaje, y

con respecto al período presente.



111

Figura 43a. Mapas de consenso trimestrales (desde DEF hasta MAM) para incremento de

intensidad de precipitación, considerando los escenarios A2 y B2 del ETA y del PRECIS.



112




113




114

Figura 44a. Mapas de consenso trimestrales (desde DEF hasta MAM) para decremento

de intensidad de precipitación, considerando los escenarios A2 y B2 del ETA y del

PRECIS.



115




116




117

Las Figuras 43a a 43c ponen en evidencia que la menor incertidumbre está

asociada a incrementos porcentuales de la intensidad de lluvias a lo largo de la

Cordillera Andina principalmente, excepto en las provincias de Cotopaxi y

Pichincha. En los trimestres de OND y NDE los modelos consistentemente indican

incrementos también para la mayor parte de la Costa. No hay señales claras de

aumento de eventos extremos para el resto del territorio ecuatoriano.

Por su parte, las Figuras 44a a 44c son si se quiere más interesantes que las

anteriores: indican acuerdo en los modelos en una disminución de la intensidad de

precipitaciones líquidas en la Amazonía en general entre los trimestres de ASO y

FMA. Un foco en el extremo nororiental también tiene asociado un acuerdo de 3

salidas numéricas distintas sugiriendo decremento.

MAM muestra una clara señal con baja incertidumbre de disminución en la

intensidad pluviométrica para la mitad sur de la Cordillera Andina (Figura 44a). En

FMA, por otra parte, el norte de Manabí y casi toda Esmeraldas aparece con

bastante certeza de disminución de intensidad de precipitaciones.

Finalmente, en AMJ y JAS buena parte de la Costa de Ecuador, especialmente la

provincia de Manabí, muestra una señal de consenso de disminución de

intensidad pluviométrica (Figura 44b).



118

LIMITACIONES Y CAVEATS

En esta sección se señalan algunos cuidados (caveats) que hay que tener con los

productos discutidos, así como limitaciones del estudio.

Lo primero y más relevante es reconocer, como se ha mencionado en varias

partes del documento, las incertidumbres de los modelos y escenarios tratados.

Los resultados se basan en un gran número de suposiciones con respecto

tecnologías, uso de fuentes energéticas, demografía, sociedad, política y

economía del futuro. Adicionalmente existe otro tipo de incertidumbres, asociadas

a una falta de comprensión en todos los detalles de multitud de procesos físicos,

sobre todo a altas resoluciones.

Las salidas de los modelos globales del IPCC están orientadas a estudios de

Cambio Climático a largo plazo, y poseen baja resolución espacial. Los modelos

regionales como los usados en este trabajo mejoran enormemente la resolución,

pero aún ésta no es lo suficiente para resolver, por ejemplo, los microclimas

presentes en el Callejón Interandino.

Otra limitación importante consiste en que los modelos disponibles son hidrostáticos, lo

que significa que no considera formalmente los términos de las ecuaciones físicas

con aceleración para los glóbulos de atmósfera. Es común asumir los 20 km como

la resolución espacial límite antes de entrar en los aspectos físicos relacionados

con los términos no-hidrostáticos del Sistema Climático. Por ejemplo, la

convección profunda (en Ecuador la mayoría de los fenómenos de precipitación es

del tipo convectivo) no está bien representada en estos modelos.

El IPCC [2007] sugiere que en el largo plazo, léase finales del s. XXI, la señal del

Cambio Climático sería claramente detectable y puesta en manifiesto por los

modelos numéricos. En el corto plazo, que es un período de gran interés por los



119

tomadores de decisión, es menester considerar no sólo el papel de las tendencias

del Cambio Climático sino también los efectos moduladores (amplificadores,

reductores) asociados a la variabilidad climática natural. Los modelos

considerados aquí no incluyen, por ejemplo, la variabilidad interanual en las

condiciones de borde de la temperatura de la superficie del océano, uno de los

principales moduladores del Sistema Climático (ver [Mizuta et al., 2006]). Esta es

una deficiencia importante, toda vez que los experimentos numéricos están

enfocados entonces en sólo uno de los aspectos importantes: Cambio Climático.

Especial atención y cuidado debe prestarse en el uso de los presentes productos a

la hora de la toma de decisiones, debido a que no se desea que las políticas a

establecer al respecto pudieran ser incluso peores que las consecuencias propias

del Cambio Climático.

Se han presentado los productos básicamente por medias trimestrales. Esto tiene

una razón de ser. El análisis de estos productos debe entenderse desde el punto

de vista estadístico. Esto significa que aún cuando se tienen salidas a escala

diaria o subdiaria, no es posible indicar a ciencia cierta qué va a ocurrir en un día

en particular, un trimestre o incluso un año particular en el futuro. Lo que se hace

es indicar, estadísticamente hablando (valores medios, en particular), cómo se

prevee el comportamiento típico de un trimestre para un período definido del

futuro. Es importante entender esta aproximación, con sus ventajas y limitaciones

a la hora de la toma de decisión. Estos productos han de usarse como una

muestra de lo que pudiera ocurrir en términos medios, y no para un año en

particular.

Finalmente, realizar un nuevo downscaling dinámico a partir de las presentes

salidas es posible técnicamente hablando, pero especial cuidado debe tenerse

debido a la física relacionada a resoluciones mayores. Asimismo, la incertidumbre

final involucra el producto de las incertidumbres de cada modelo, de modo que hay

que estudiar bien el caso de si es necesario o no todo el esfuerzo que un proceso

de downscaling involucra, en términos de la calidad del producto final.



120

CONCLUSIONES Y RECOMENDACIONES

En esta sección se presentan resumidamente las principales conclusiones del

documento en términos del desempeño de los modelos para representar el clima

presente, empleando las métricas escogidas para este trabajo, y en términos de

previsiones de los mismos modelos para escenarios del SRES. En aras de discutir

los resultados con las menores incertidumbres, se hace uso aquí de los mapas de

consenso.

Primeramente, las Figuras 45 y 46 muestran una comparación entre los

coeficientes de correlación y el sesgo discutidos en la sección de Resultados para

los modelos TL959, ETA y PRECIS, tanto para precipitación (Figura 45) como

temperatura (Figura 46). Puede apreciarse (Figura 45) que el ETA posee las

mejores correlaciones para precipitación, pero que subestima de modo importante

(más de 200 mm de diferencia con respecto a las observaciones) la pluviosidad en

la mayor parte del territorio, aunque no describe mal este campo para la Sierra. El

TL959, por su parte, posee buenas correlaciones y tiende a sobreestimar de modo

importante la precipitación en la mayor parte de la Costa y a lo largo de las laderas

andinas de la vertiente amazónica. Las correlaciones para precipitación con el

PRECIS son menores que en los otros dos casos, especialmente para la

Amazonía. El PRECIS sobreestima precipitación en la Sierra, y subestima en la

Costa y la Amazonía.

Para el caso de la temperatura (Figura 46), las mejores correlaciones las provee el

TL959, que posee un sesgo frío para prácticamente todo el territorio ecuatoriano.

El ETA adolece de un sesgo frío para la Costa (igual o mayor a 3 oC de diferencia)

y la vertiente pacífica de los Andes, mientras que se aprecia un sesgo cálido

(idem) para la vertiente amazónica y la Amazonía cercana a las laderas andinas.

Para el resto del Oriente se aprecia un sesgo frío menor (hasta aproximadamente



121

1.5oC). El PRECIS evidencia altas correlaciones para temperatura, salvo para

regiones de Loja, en el sur. Muestra sesgo cálido para la mayor parte del Litoral y

hacia la Sierra sesgos fríos. En la Amazonía en general las temperaturas están

mejor descritas, excepto en el extremo oriental.

Como se ve, ningún modelo posee una descripción perfecta del clima presente,

pero es posible con el trabajo realizado reconocer sus virtudes y defectos, e

incluso corregir estadísticamente los sesgos de las salidas (ver Chimborazo et al,

2010].

TL959 ETA PRECIS

Figura 45. Comparación entre los valores medios temporales de correlación (fila superior)

y sesgo (fila inferior) para precipitación (mm) del TL959 (izquierda), ETA (centro) y

PRECIS (derecha).



122

TL959 ETA PRECIS

Figura 46. Comparación entre los valores medios temporales de correlación (fila superior)

y sesgo (fila inferior) para temperatura (oC) del TL959 (izquierda), ETA (centro) y PRECIS

(derecha).

Para el corto plazo (2015-2039), el modelo TL959 (ver Figura 23) sugiere

incremento en la intensidad de precipitación para la Costa, especialmente para

algunos sectores de El Oro, el sur de Guayas y la mayor parte de Manabí. La

Sierra, sin embargo, evidencia tanto incrementos como decrementos porcentuales,

dependiendo de la ubicación. En la Amazonía cercana a las laderas andinas, se

evidencian múltiples zonas con incrementos de precipitación, mientras que más al

oriente en promedio se avistan decrementos o muy ligeros incrementos.



123

Figura 23. Delta (Futuro-Presente) de intensidad de precipitación (%) para el TL959.

Los cambios de temperatura son todos a crecimiento, siendo menos pronunciados

en el Litoral. Regiones en el Callejón Interandino pueden alcanzar inclusive un

ascenso de 1.2oC según el TL959 para el corto plazo (Figura 25).



124

Figura 25. Delta (Futuro-Presente) de temperatura (oC) para el TL959.

Si bien los productos aquí discutidos del TL959 deben, en principio, poseer

menores incertidumbres que los modelos enfocados a más largo plazo, sin tener

otras salidas numéricas semejantes no es posible llevar a cabo formalmente un



125

análisis de consenso como el que se presenta a continuación para el ETA y

PRECIS, para el período 2071-2099.

Figura 47. Mapas de consenso promedio para incremento (izquierda) y decremento

(derecha) de intensidad de precipitación, considerando los escenarios A2 y B2 del ETA y

del PRECIS. Colores asociados con un número mayor en la barra indican menores

incertidumbres.

En la Figura 47 se tienen los mapas de consenso promedios (considerando todos

los trimestres del año) tanto para incremento como para decremento en la

intensidad de pluviosidad. Esta figura nos indica, en base a las menores

incertidumbres de las salidas de los modelos considerados, un aumento en la

intensidad de las precipitaciones para básicamente la Sierra, mientras que un

decremento de las mismas para la Amazonía (sobre todo el extremo oriental) y

para la Costa (Santa Elena, Manabí y Esmeraldas), y con mayores certezas para

Esmeraldas.



126

Los cambios en los regímenes de precipitación pueden estar muy asociados a

cambios en la circulación de viento de bajo nivel (ver, por ejemplo, discusión en

[Chimborazo, Guitarra y Muñoz, 2010] para el caso del TL959).

Estos son los principales resultados del presente estudio. Vale resaltar una vez

más que por todo lo expuesto a lo largo del documento, los productos aquí

provistos deben tratarse con el cuidado correspondiente a la hora de la toma de

decisiones, para evitar que la generación de políticas pueda conllevar efectos

incluso peores que el propio Cambio Climático.

Finalmente, algunas recomendaciones pueden sugerirse:

Resulta crucial entender primeramente el comportamiento de las variables

en el presente para poder comprender a cabalidad los resultados de este

tipo de estudios.

La consideración en la toma de decisión del papel de la variabilidad

climática, además de las propias señales asociadas al Cambio Climático, es

de gran relevancia, toda vez que las primeras pueden proveer impactos de

mayor magnitud en determinadas situaciones.

Es fundamental explorar otros modelos para el corto plazo, para llevar a

cabo un ensemble multi-modelo y estudios de análisis de consenso.

Estando próximas a publicarse las salidas del Quinto Reporte del IPCC, se

sugiere utilizar estos nuevos productos, que se espera involucren una

mayor comprensión por parte de la Comunidad Científica en temas

asociados con la predicción multidecadal.

Es más importante considerar la distribución en espacio y tiempo de las

variables provistas por el modelo que propiamente su magnitud, debido a

las incertidumbres asociadas al modelo.



127

BIBLIOGRAFÍA

Baethgen, W., 2010: Climate Risk Management for Adaptation to Climate

Variability and Change, Crop Science, 50 (March-April), S70-S76.

Cadena, J., 2009: Informe de Misión al Taller de Entrenamiento en el Modelo ETA-

CCS en Brasil. INAMHI, Quito.

Centella, A. & Bezanilla, A., 2008: Informe Final Análisis de Escenarios de Cambio

Climático con el PRECIS y el Modelo Japonés, Proyecto PACC-MAE. Quito. 37

pp.

Chimborazo, O., 2010: Informe de Misión al Taller de Entrenamiento en el Modelo

TL959 en Japón. INAMHI, Quito.

Chimborazo, O., Guitarra, S. y Muñoz, Á.G., 2010: Informe Final Análisis de

Nuevas Salidas del Modelo TL959. Proyectos MAE-INAMHI. Quito. 430 pp.

Harrison, D.E. & Carson, M., 2007: Is the World Ocean Warming? Upper-Ocean

Temperature Trends: 1950-2000. Journal of Physical Oceanography, DOI:

10.1175/JPO3005.1

IPCC, 2007 - Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt,

M. Tignor and H.L. Miller (Eds.): Contribution of Working Group I to the Fourth

Assessment Report of the Intergovernmental Panel on Climate Change,

Cambridge University Press, Cambridge, United Kingdom and New York, NY,

USA.

Jones, R. G., M. Noguer, D. Hassell, D. Hudson, S. Wilson, G. Jenkins, and J.

Mitchell, 2004: Generating high resolution climate change scenarios using

PRECIS, report, Met Off. Hadley Centre, Exeter, UK.

http://www.cambridge.org/features/earth_environmental/climatechange/wg1.htm



128

IPCC, 2000 - Nebojsa Nakicenovic and Rob Swart (Eds.): Special Report on

Emission Scenarios, Cambridge University Press, UK. pp 570 Available

from Cambridge University Press, The Edinburgh Building Shaftesbury Road,

Cambridge CB2 2RU ENGLAND

Kusunoki, Sh., Yoshimura, J., Yoshimura, H., Mizuta, R., Oouchi, K. y Noda, A.,

2008: Global Warming Projection by an Atmospheric Global Model with 20-km

Grid, Journal ref: Journal of Disaster Research, 3 (1), pp. 4-14.

Mitchell, T.D, Jones, 2005: An improved method of constructing a database of

monthly climate observations and associated high-resolution grids, International

Journal of Climatology 25,DOI:10.1002/joc.1181 693 - 712

Marengo, J.A., Jones, R., Alves, L.M., Valverde, M.C., 2009: Future change of

temperature and precipitation extremes in South America as derived from the

PRECIS regional climate modeling system, Int.J.Clim., 29 (15), 2241-2255.

Mizuta, R., Oouchi, K., Yoshimura, H., Noda, A., Katayama, K., Yukimoto, S.,

Hosaka, M., Kusunoki, Sh., Kawai, H., Nakagawa, M., 2006: 20-km-Mesh Global

Climate Simulations Unig JMA-GSM Model –Mean Climate States-. Journal of the

Meteorological Society of Japan, 84 (1) 165-185.

Muñoz, Á.G., 2010: Estructura Jerárquica Multimodelo del Observatorio Andino.

Trabajo de Ascenso para Categoría de Profesor Agregado. La Universidad del

Zulia. Maracaibo, Venezuela. 69 pp

Muñoz, Á.G. y Erazo, B., 2010: Datos climáticos en malla con Análisis Objetivo

Cressman para el Ecuador. (En preparación). Datos disponibles en INAMHI.

Muñoz, Á.G, López, M.P., Velásquez, R., et al., 2010: An Environmental Watch

System for the Andean countries: El Observatorio Andino, BAMS, doi:

10.1175/2010BAMS2958.1

http://www.cambridge.org/ipcc

http://dx.doi.org/10.1002/joc.1181



129

Muñoz, Á.G., Recalde, C., Cadema, J., Núñez, A., Díaz-Lobatón, J., 2010: Análisis

Estadístico con FClimdex de índices climáticos para Ecuador. Informe Final.

Proyectos MAE-INAMHI. Quito. 71pp

Muñoz, Á.G. y Recalde, C., 2010: North Western South America Retrospective

Simulation from CMC - OA – INAMHI. Centro de Modelado Científico (CMC) e

INAMHI. Base de datos disponible públicamente en

http://iridl.ldeo.columbia.edu/SOURCES/.U_Zulia/.CMC/ [Consulta: Julio 2010]

Pennell, C y Reichler, Ch., 2010: On the effective number of climate models, J.

Climate, doi: 10.1175/2010JCLI3814.1.

Pisnitchenko, I.A., Tarasova, T. A., 2009: The new version of the Eta regional

model developed for climate-change simulations. Theoretical and Applied

Climatology, 99 (3-4), 255-272

Recalde, C., 2010: Predicibilidad de Malaria para la Provincia del Guayas con

Modelos Dinámicos. Tesis de Grado Ingeniería Ambiental, Universidad Agraria del

Ecuador. 94 pp.

Rogrigues Soares, W., Marengo, J. A., 2008: Assessments of moisture fluxes east

of the Andes in South America in a global warming scenario, Intl. J. Climat., DOI:

10.1002/joc.1800

Taylor M., Centella, A., Chalery, A., Forrajero, I., Bezanilla, A., Campbell, A.,

Rivero, R., Stephenson, T., Whyte, E., Watson, R., 2007: Glimpses of the future. A

briefing from the PRECIS Caribbean Climate Change Project, Caribbean

Community Climate Change Center, Belmopan, Belize 24 pp.

Wilks, D.S., 2005: Statistical Methods in the Atmospheric Sciences, Elsevier, NY,

649 pp.

validación y análisis de consenso de modelos de escenarios ... · muñoz, Á.g. validación y...

Documents